.png)
En esta última entrega del tutorial de Maze Runner en Horizon Worlds, añadimos NPC corredores para elevar el reto. Implementaremos dos tipos: uno que recorre el laberinto de forma aleatoria y otro que va directo a la meta. Para equilibrar la partida, el corredor directo se moverá más lento que el aleatorio.
Comencemos con el corredor aleatorio. Abre tu proyecto Maze Runner en el editor de escritorio. Agrega un NPC con el gizmo correspondiente, colócalo en el lobby y oriéntalo hacia el centro. Asigna un nombre visible y de objeto, por ejemplo Rex, y personalízalo con Edit Avatar. Si el editor web del avatar no responde a la perfección, ajusta a ojo y guarda.
Crea un punto de reaparición en el mismo lugar del NPC. Este respawn devolverá al NPC al lobby al finalizar cada ronda. Nombra el punto de reaparición con el patrón NombreSpawnPoint, por ejemplo RexSpawnPoint.
Ahora programaremos su comportamiento. Crea el script RandomNPCRunner y asígnalo al NPC. Usaremos tipos de estado de juego y un sistema de eventos para reaccionar a las transiciones de la partida, además de la clase AvatarAIAgent para controlar al NPC con funciones de locomoción y rotación. Si no compila el import del paquete de agentes, activa la API avatar ai agent desde la configuración de scripts y recompila.
Propiedades recomendadas del componente: minSpeed y maxSpeed para el rango de velocidad, gameSpawnPoint y lobbySpawnPoint como referencias de teletransporte, y offset para separar a los NPC del centro del pasillo y evitar que corran en fila. Asigna en el editor los spawn correctos y un offset de 0.5.
Para evitar que el NPC corra contra paredes, compartiremos la geometría del camino del laberinto mediante un evento local: cuando el laberinto se carvea, Maze enviará un evento mazeCarved con una versión condensada de la malla de celdas que contiene solo coordenadas x y z y el tipo de celda. En GameUtils añade el nuevo evento. En Maze, tras generar el laberinto durante el estado Starting, llama a una función privada que recorra la matriz de paredes, descarte muros, marque la celda de inicio como S y la de final como E y emita el evento con la matriz condensada.
En RandomNPCRunner define propiedades privadas para guardar el agente NPC, la matriz del laberinto y un flag finished. En start castea this.entity al tipo AvatarAIAgent, escucha mazeCarved y guarda la matriz recibida. En preStart conéctate a gameStateChanged y deriva la lógica a un manejador que hará lo siguiente: en Starting pone finished en falso, en Playing teletransporta al NPC al spawn del laberinto y, con un pequeño retardo, inicia su ruta, en Ending marca finished en verdadero y en Finished lo devuelve al lobby y limpia la matriz.
La función moveNPCToMatch teletransporta al spawn del juego y, tras un segundo, llama a setNPCPath. Ese retardo evita que empiece a moverse antes de completar el teletransporte. moveNPCToLobby hace lo mismo en sentido inverso hacia el lobby, rotando al avatar para que quede bien orientado.
El corazón del movimiento está en setNPCPath. Primero construye un camino jugable con buildMazePath para recorrer celdas transitables. Para el corredor aleatorio, el algoritmo explora desde el inicio avanzando por direcciones válidas desordenadas en cada paso para decidir aleatoriamente hacia dónde ir, evitando salirse de los límites y no repitiendo posiciones visitadas. Si no encuentra salida, retrocede con backtracking hasta la última intersección viable y continúa. El resultado es una lista ordenada de pasos con posición y dirección. Luego se optimiza el trazado eliminando puntos redundantes cuando hay direcciones consecutivas iguales, lo que suaviza el movimiento en línea recta. Finalmente, se encadenan acciones de rotación y desplazamiento del agente con locomotion.rotateTo y locomotion.moveToPosition, aplicando una velocidad aleatoria entre minSpeed y maxSpeed y sumando el offset al objetivo para que el NPC no corra pegado al eje central.
Con esto, al iniciar una ronda verás al NPC teletransportarse al laberinto y correr a velocidades variables hasta llegar a la meta. Después se quedará quieto hasta que finalice la ronda y regresará al lobby.
Para el corredor directo duplica el script y renómbralo DirectNPCRunner. Crea otro NPC, por ejemplo Eliza, con su propio spawn y asigna el nuevo script. Ajusta minSpeed y maxSpeed para que sea más lento, por ejemplo entre 2 y 4. La diferencia clave es reescribir buildMazePath para que calcule un camino directo hasta la meta. Puedes resolverlo con un algoritmo de búsqueda en grafos que recorra el laberinto desde la celda inicial marcando visitados y guardando el predecesor de cada celda. Cuando detectes la celda final, reconstruyes el trayecto siguiendo los predecesores hasta el origen y lo inviertes para obtener el orden de principio a fin. Mantén la misma lógica de optimización, rotaciones y desplazamientos que en el corredor aleatorio, respetando el rango de velocidades más bajo para equilibrar el juego.
Con ambos corredores, el laberinto gana profundidad y ritmo: el NPC aleatorio es impredecible y veloz; el directo avanza con paso firme hacia la salida, aunque más lento, lo que crea una competencia interesante contra el reloj y entre jugadores.
Ideas para extender tu proyecto: incrementa el tamaño del laberinto y su complejidad, añade detección de colisiones y comportamiento de evitación entre NPC y jugadores, crea power ups, penalizaciones por atajos o teletransportes trampa, activa variaciones de velocidad según el tramo y registra récords por ronda. Si te interesa llevar esta experiencia a producción o integrarla con paneles de control, analítica o servicios cloud, en Q2BSTUDIO podemos ayudarte con aplicaciones a medida y software a medida, integración de agentes IA, ciberseguridad y despliegues escalables en servicios cloud aws y azure.
Q2BSTUDIO es una empresa de desarrollo de software especializada en aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio y power bi, automatización de procesos y desarrollo con enfoque en ia para empresas. Si quieres incorporar agentes IA en experiencias interactivas como estos corredores, visita nuestra página de inteligencia artificial para empresas. Y si buscas un equipo para diseñar y construir tu juego, backoffice o plataforma multiplataforma de extremo a extremo, descubre nuestros servicios de aplicaciones y software a medida.
Palabras clave sugeridas para inspirarte y potenciar tu proyecto y posicionamiento: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi.
Con esto concluye el tutorial. Esperamos que te haya resultado útil y que continúes iterando sobre tu laberinto. La base está lista para crecer en jugabilidad, rendimiento y analítica. Si necesitas apoyo técnico o un equipo para acelerar tu roadmap, cuenta con Q2BSTUDIO.
