Niixer

Central Z: desarrollo de un videojuego de supervivencia en Unity con un jefe entrenado mediante inteligencia artificial

Autores: Alejandro Alba Malagón, Sergio Castillo Rodríguez y David Mahecha.

Asignatura: Modelado 3D y Videojuegos, código 43391312.
Docente: Magíster Carlos Iván Pinzón Romero.
Institución: Universidad Central.
Periodo: 2026-2.

Una universidad, cinco llaves y una salida

Central Z es un videojuego de supervivencia en tercera persona ambientado en un entorno urbano frente a la Universidad Central. La aparición de zombis convierte un recorrido cotidiano en una situación de combate: el protagonista debe sobrevivir a tres niveles, conseguir las cinco llaves del portón y derrotar a un jefe final para escapar.

El proyecto se desarrolló en Unity 6.6 e integra selección de personajes, animaciones humanoides, compra de armas, enemigos autónomos, cuadros de diálogo y una progresión que transforma el escenario de día a noche.

Uno de sus componentes principales es el jefe final. Además de sus animaciones y reglas de combate, utiliza un modelo entrenado mediante aprendizaje por refuerzo con Unity ML-Agents.

Figura 1. Menú de Central Z con selección de personaje e identidad institucional.

Juega Central Z

El objetivo es superar los tres niveles, reunir las cinco llaves y vencer al jefe. Durante el combate se obtienen puntos que pueden utilizarse para comprar armas y munición.

Las llaves aparecen asociadas a determinados enemigos y se identifican mediante haces de luz. Si el jefe ha sido derrotado pero faltan objetos, el jugador debe recogerlos antes de completar la salida.

https://aalbam1.itch.io/centralz

Controles principales

  • W, A, S y D: desplazarse.
  • Shift: correr.
  • Ratón: orientar la cámara.
  • Espacio: saltar.
  • Ctrl: esquivar.
  • Clic izquierdo: disparar.
  • Clic derecho: apuntar.
  • R: recargar.
  • Q: cambiar de arma.
  • F: golpear.
  • E: comprar armas o munición.
  • Enter: omitir la cinemática, según la configuración documentada.

La adaptación para Android utiliza joystick y botones táctiles para las acciones principales.

Gameplay

El siguiente video permite observar el recorrido, los combates y la presentación del juego.

1. Organización del proyecto

La producción comenzó separando los recursos por función. Las escenas, los scripts, los prefabs, los modelos, los materiales y el sonido se organizaron para facilitar su ubicación y mantenimiento.

El proyecto utiliza tres escenas técnicas: MainMenu, Juego y EntrenamientoJefe. La primera contiene el acceso y la selección; la segunda reúne la experiencia jugable; la tercera se utiliza para entrenar al jefe.

Los tres niveles de la partida se administran dentro del mismo entorno urbano. Su progresión cambia las oleadas, la dificultad, los diálogos y la iluminación.

Esta organización permitió trabajar cada sistema de forma independiente antes de relacionarlo con los demás.

2. Menú y selección de personajes

El menú se construyó mediante un Canvas con botones para jugar, configurar la experiencia, consultar los créditos y salir.

Jugar abre una explicación del objetivo y los controles. Esto permite conocer las condiciones de victoria antes de comenzar.

El selector presenta a Alejandro, David y Sergio. Cada personaje tiene una ficha PersonajeData con su modelo, animaciones y ajustes de presentación.

Los modelos se prepararon como Humanoid para reutilizar animaciones compatibles de Mixamo. La elección realizada en el menú se conserva y PlayerSpawner crea al mismo personaje en la escena Juego.

Figura 2. Integración del personaje de Sergio después de corregir su exportación.

3. Movimiento y cámara en tercera persona

El movimiento se calculó en relación con la cámara. El personaje puede caminar, correr, saltar y esquivar.

Para acompañarlo se utilizó Cinemachine con un comportamiento Third Person Follow. La cámara se sitúa detrás del hombro y se relaciona con la orientación del cuerpo.

Las animaciones se organizaron mediante un Animator Controller compartido. La locomoción utiliza la capa base, mientras que otras capas aplican movimientos sobre el torso para disparar, recargar o golpear.

Una Avatar Mask permite limitar esas acciones a los huesos correspondientes, de manera que las piernas puedan continuar su movimiento.

4. Una introducción para presentar el conflicto

Antes del combate se reproduce una cinemática. El protagonista lee un periódico sobre sucesos paranormales, camina frente a la universidad, observa el edificio y presencia la aparición de los zombis.

La secuencia utiliza varias cámaras y una corrutina que organiza sus momentos. Al terminar se entrega el control al jugador.

Los cuadros de diálogo complementan la introducción y después se utilizan para explicar acciones durante la partida.

Figura 3. Presentación narrativa mediante la cinemática y el sistema de diálogos.

5. Tres niveles y cinco llaves

La partida progresa de día a atardecer y finalmente a noche.

GestorEtapas administra las oleadas y sus parámetros. IluminacionNiveles modifica el sol, el cielo y la luz ambiente para acompañar esa progresión.

La salida requiere cinco llaves: una en el primer nivel, dos en el segundo, una en el tercero y la última asociada al jefe.

El reparto busca garantizar que existan suficientes objetos para completar el objetivo. Los haces de luz ayudan a localizar las llaves y el HUD conserva su contador.

Figura 4. Progresión visual de los niveles: día, atardecer y noche.

Nota. Montaje de tres capturas de la vista Game.

6. Zombis, combate y economía

Los zombis utilizan NavMeshAgent para desplazarse por la superficie navegable del entorno. EnemigoIA coordina persecución, ataque y muerte.

El combate entrega puntos que permiten comprar armas y munición. Las armas se describen mediante fichas ArmaData, donde se configuran daño, cadencia, alcance, dispersión, cargador, recarga y precios.

Los puntos de compra se encuentran dentro del escenario y se activan con E.

El disparo utiliza un raycast desde el centro de la cámara para relacionar el impacto con la mira. El HUD informa de la salud, el tiempo, los puntos, las llaves, el nivel y el arma equipada.

7. Entrenamiento del jefe con ML-Agents

El jefe representa la parte más técnica del proyecto.

Se preparó una escena con doce arenas de entrenamiento. Cada una contiene un jefe y un jugador simulado que se desplaza, dispara y esquiva.

JefeAgente recibe quince observaciones, entre ellas posición relativa del jugador, distancia, velocidad, salud y disponibilidad de acciones.

La política decide cómo moverse y qué acción realizar. Su repertorio incluye puñetazo, zarpazo, ataque con salto, rugido y salto largo.

Las recompensas favorecen producir daño y penalizan recibirlo y prolongar innecesariamente el combate. También existen límites programados para impedir acciones fuera de alcance o todavía en enfriamiento.

El entrenamiento se realizó con PPO y el resultado se exportó como Jefe.onnx. Durante el juego se utiliza ese modelo en inferencia, sin entrenarlo nuevamente en cada partida.

Figura 5. Escena independiente con las arenas utilizadas para entrenar al jefe.

Resultados documentados

El registro suministrado corresponde a dos millones de pasos de entrenamiento.

La curva muestra una recompensa inicial aproximada de -1,00 y una media móvil final cercana a -0,06. La mejora no elimina la variación entre episodios.

La evaluación aportada compara el modelo con una heurística frente a un jugador simulado. Informa 31 % de rondas ganadas para el modelo y 21 % para las reglas programadas: una diferencia de diez puntos porcentuales.

Estos resultados corresponden a las condiciones de esa evaluación y no garantizan el mismo comportamiento frente a cualquier jugador humano.

Figura 6. Evolución de la recompensa durante el entrenamiento del jefe.

Nota. Gráfica elaborada a partir del registro de entrenamiento del proyecto.

Figura 7. Evaluación documentada del modelo entrenado frente a la heurística.

8. Dificultades que encontramos

Uno de los primeros problemas fue la aparición de personajes sin texturas. La solución exigió revisar materiales y vincular las imágenes correspondientes a los modelos importados.

También se presentaron deformaciones en la carrera. Se revisaron la preparación del personaje y la reproducción de las animaciones hasta obtener un resultado coherente.

Otro problema fue la puntería del rifle. El impacto seguía la mira, pero la animación mantenía el arma orientada lateralmente. Se ajustaron la columna y el pecho para alinear la representación visual con la dirección del disparo.

Finalmente, fue necesario relacionar la derrota del jefe con la recolección completa de llaves. La partida no debía terminar mientras existieran objetivos pendientes.

Figura 8. Resultado de la corrección de orientación del rifle.

9. Música, efectos e identidad

AudioJuego administra la música del menú y las pistas de la partida mediante transiciones.

Las armas incorporan disparo y recarga; los zombis utilizan gritos y gemidos; el jefe cuenta con su rugido.

Los sonidos se obtuvieron de Pixabay y se relacionaron con el ajuste de volumen. Las animaciones proceden de Mixamo y las armas de Quaternius.

La identidad de la Universidad Central aparece en el menú y los créditos, junto con la asignatura, el docente y los integrantes.

10. Preparación para varias plataformas

El proyecto documenta versiones para Windows y WebGL, además de una adaptación táctil para Android.

En móvil se incorporaron joystick, zona de mirada y botones de acción. También se añadieron controles para omitir la cinemática y navegar desde la pantalla de resultado.

Las capturas móviles corresponden a simulaciones en el Editor. La compatibilidad y el rendimiento deben comprobarse también en dispositivos físicos.

Para distribuir Windows es necesario conservar el ejecutable junto con sus datos y bibliotecas. La versión WebGL requiere alojar su conjunto de archivos en un servidor compatible.

Figura 9. Adaptación de controles táctiles simulada dentro del Editor.

Lo que aprendimos

Central Z permitió relacionar modelado, animación, programación, navegación, interfaces y aprendizaje automático dentro de un mismo proyecto.

La principal dificultad fue conseguir que los sistemas funcionaran de forma coordinada: el personaje elegido debía conservarse, las animaciones tenían que coincidir con las acciones, los puntos debían relacionarse con las compras y la victoria debía comprobar todos los objetivos.

La documentación de las correcciones también fue parte del aprendizaje. Comparar el estado inicial, la configuración y el resultado permitió comprender por qué un sistema podía funcionar de forma aislada y necesitar ajustes al integrarse con los demás.

Recursos y referencias

Adobe. (s. f.). Mixamo [Aplicación web]. https://www.mixamo.com/

Pixabay. (s. f.). Sound effects [Biblioteca de efectos de sonido]. https://pixabay.com/sound-effects/

Quaternius. (s. f.). Free game assets [Biblioteca de recursos 3D]. https://quaternius.com/

Unity Technologies. (s. f.-a). AI Navigation [Documentación del paquete]. https://docs.unity3d.com/Packages/com.unity.ai.navigation@2.0/manual/index.html

Unity Technologies. (s. f.-b). Create a third person camera. Cinemachine. https://docs.unity3d.com/Packages/com.unity.cinemachine@3.1/manual/ThirdPersonCameras.html

Unity Technologies. (s. f.-c). Importing a model with humanoid animations. Unity Manual. https://docs.unity3d.com/6000.0/Documentation/Manual/ConfiguringtheAvatar.html

Unity Technologies. (s. f.-d). Learning environment design: Agents [Documentación de ML-Agents]. GitHub. https://github.com/Unity-Technologies/ml-agents/blob/develop/com.unity.ml-agents/Documentation~/Learning-Environment-Design-Agents.md

Créditos del proyecto: Alejandro Alba Malagón, Sergio Castillo Rodríguez y David Mahecha. Modelado 3D y Videojuegos, Universidad Central, periodo 2026-2.

Compartir: