npcore 0.1.3

Librería en Python para simulación de NPCs con toma de decisiones, emociones, objetivos y aprendizaje.

npcore

Framework de simulación de NPCs con inteligencia emergente, comportamiento social y toma de decisiones adaptativa.

npcore es una librería en Python para simular NPCs (Non-Player Characters) inteligentes en entornos dinámicos.
Permite modelar comportamiento autónomo mediante reglas, memoria, emociones, aprendizaje, interacción social y navegación espacial.

Demo de simulación

Ejemplo de simulación:

Visualización del entorno

---

Descripción

npcore implementa un sistema modular para construir agentes que:

• toman decisiones basadas en reglas
• aprenden de experiencias pasadas
• reaccionan a eventos del entorno
• interactúan con otros NPCs
• cooperan en grupos
• navegan en mapas con obstáculos y costos
• generan narrativas de su comportamiento

Está diseñada como una base para simulaciones, videojuegos, sistemas multi-agente y experimentación en comportamiento emergente.

---

Instalación

Instala la librería directamente con pip:

pip install npcore

En Google Colab:

!pip install npcore

---

Uso básico

from npcore.brain import Brain
from npcore.npc import NPC
from npcore.environment import Environment

# Crear cerebro
brain = Brain()

def idle_rule(context):
    return {"run": 1.0, "wait": 1.0}

brain.add_rule("idle", idle_rule)

# Crear NPC
npc = NPC("Guard", brain)
npc.set_state("idle")

# Crear entorno
env = Environment(width=8, height=6)
env.add_npc(npc)

# Ejecutar simulación
env.run(steps=5)

# Ver resumen
print(env.summary())

---

Características principales

Sistema de decisiones

• Motor de reglas (Brain)
• Estados dinámicos (idle, group, react, etc.)
• Selección probabilística de acciones

Memoria y aprendizaje

• Memoria estructurada de eventos
• Prioridad de memoria
• Aprendizaje basado en éxito de acciones
• Ajuste dinámico de decisiones

Personalidad y emociones

• Traits: agresión, sociabilidad, miedo, lealtad
• Estados emocionales que afectan decisiones

Interacción social

• Relaciones entre NPCs
• Comunicación entre aliados
• Sistema de órdenes (líder → grupo)
• Compartición de objetivos y prioridades

Comportamiento grupal

• Seguimiento de líder
• Reagrupamiento
• Coordinación de destino
• Reacción a eventos compartidos

Movimiento y entorno

• Pathfinding con A*
• Obstáculos en el mapa
• Zonas con costos de movimiento
• Evaluación de riesgo local
• Movimiento hacia objetivos

Sistema de eventos

• Eventos globales y locales
• Reacciones basadas en reglas
• Integración con módulos del entorno

Visualización

• Render ASCII del entorno
• Visualización con matplotlib
• Simulación paso a paso

Narrativa

• Generación de historia basada en acciones
• Resumen automático de la simulación

---

Ejemplo completo

from npcore.environment import Environment
from npcore.npc import NPC
from npcore.brain import Brain

env = Environment(width=8, height=6)
brain = Brain()

def rule(context):
    return {"run": 1.0, "wait": 0.5}

brain.add_rule("idle", rule)

npc1 = NPC("Captain", brain)
npc2 = NPC("Guard", brain)

npc1.set_state("idle")
npc2.set_state("idle")

env.add_npc(npc1)
env.add_npc(npc2)

env.run(steps=5)

print(env.summary())

---

Estructura del sistema

npcore está compuesto por los siguientes módulos:

• NPC: agente principal con estado, memoria, emociones y comportamiento
• Brain: motor de decisiones basado en reglas
• Environment: entorno donde interactúan los NPCs
• pathfinding: navegación con A*
• probability: selección probabilística de acciones
• story_engine: generación de narrativa

---

Casos de uso

• simulación de comportamiento de agentes
• prototipos de IA para videojuegos
• sistemas multi-agente
• experimentación académica
• modelado de interacción social
• análisis de comportamiento emergente

---

Tests

Para ejecutar los tests:

pytest