Navegando por Orientadores "Nascimento, Leandro Marques"

Agora exibindo 1 - 1 de 1

Uma abordagem prática de produção de jogos utilizando ferramentas de IA generativa em cima da plataforma Unity
(2026-02-10) Saraiva, Antonio Marcos; Nascimento, Leandro Marques; http://lattes.cnpq.br/9163931285515006
O setor de jogos digitais evoluiu de forma exponencial desde 1959, transformando-se na maior indústria de entretenimento global. As Inteligências Artificiais (lAs) generativas representam um marco capaz de reduzir drasticamente o tempo e o custo de produção. Ao tornarem a criação de ativos visuais, sonoros e narrativos mais acessível, elas democratizam o desenvolvimento e validam sua eficácia, inclusive em eventos de criação rápida como as Game Jams. O nosso estudo demonstrou a viabilidade e eficácia da Inteligência Artificial (IA) generativa como ferramenta fundamental no ciclo de desenvolvimento de jogos digitais, mesmo em prazos extremamente curtos (Game Jams de 15 a 30 dias). O estudo analisou três projetos distintos — "Saci Pererê: o chamado da Iara" (Ação/Aventura 2.5D, folclore), "Ecos de Aethelgard" (Metroidvania 3D, fantasia medieval) e "Intermediate Dimension" (Ação 2D, corrida contra o tempo, terror). Em todos os casos, a IA, especificamente o Gemini e ferramentas associadas (Tripo3d.Al, Meshy.Al, Poly.cam, Veo3.Gemini, Sora.ChatGPT), foi extensivamente utilizada para cumprir os objetivos centrais. A produção de narrativa e a identificação de personagens foram prontamente atendidas pela IA, fornecendo sinopses coesas e perfis detalhados a partir de prompts específicos. A geração de itens gráficos (assets) foi o ponto de maior colaboração: a IA produziu imagens de conceito (T-Pose/A-pose) que, subsequentemente, foram transformadas em modelos 3D usando outras ferramentas de IA. Embora a criação de modelos 3D e itens interativos tenha sido bem-sucedida, o estudo destacou desafios técnicos. A geração direta de spritesheets 2D por IA para personagens complexos provou ser inviável devido à falta de consistência entre frames no curto prazo, levando ao uso de um pipeline híbrido: Imagem IA -> Modelo 3D -> Mixamo (Animação) -> FbxToPNG-sprite-sheet-creator (Spritesheets). Esse método, embora exigindo intervenção manual (como a edição do Saci Pererê para manter uma perna só ou otimização de modelos 3D no MeshLab para "Ecos de Aethelgard"), permitiu a criação rápida de animações e a conversão para formatos 2D e 2.5D. A produção de efeitos audiovisuais foi parcialmente atendida. A IA foi eficaz na geração de trilhas sonoras (producer.ai), mas a maioria dos efeitos sonoros de personagens e ambiência foi obtida de repositórios da web devido à restrição de tempo. A escrita de scripts demonstrou ser uma área de forte colaboração, com a IA fornecendo o esqueleto do código C# e auxiliando na depuração, permitindo a implementação de mecãnicas complexas, como salvar e carregar os atributos do jogador, repositório e recompensas entre cenas. Em síntese, a IA funcionou como uma aceleradora de produção de conteúdo (narrativa, visual e esqueleto de código), transformando o desenvolvimento de jogos em um processo mais rápido e eficiente, apesar das limitações na geração de imagens específicas (Saci e Curupira) e na necessidade de otimização de modelos.