Mély tanulás alapú autonóm ágens fejlesztése számítógépes játékokhoz

OData támogatás
Konzulens:
Szemenyei Márton
Irányítástechnika és Informatika Tanszék

A mély tanulás (deep learning) fejlődése az utóbbi években forradalmasította a mesterséges intelligencia és a gépi tanulás tudományterületeit. E technika lehetővé tette, hogy a megerősítéses tanuláson (reinforcement learning) alapuló módszerek magas dimenziójú feladatokra is skálázódhassanak, megteremtve ezzel a mély megerősítéses tanulás területét (deep reinforcement learning).

A mély megerősítéses tanulás során bevett szokás a szimulált környezetek használata a tanítási idők lerövidítése érdekében. Ilyen szimulált környezetet biztosítanak a számítógépes játékok, ezek ugyanis nem csak, hogy megfelelő kihívás elé állítják a mesterséges ágenseket, hanem lehetővé teszik az eredmények közvetlen összevetését az emberi képességekkel, ami mindig is fontos volt a mesterséges intelligencia fejlesztése során.

Dolgozatom célja egy intelligens ágens fejlesztése, mely képes nyerni egy korábban igen népszerű sztohasztikus logikai játékban, a 2048-ban. A játék egyszerű játékmenete ellenére megfelelő kihívást nyújt, ami ideális választássá teszi a mély megerősítéses tanulás módszereinek vizsgálatához. Munkám során több ágens tanítását is elvégeztem, különböző policy-gradiens módszerek felhasználásával.

Diplomamunkám áttekintést nyújt a releváns szakirodalomról, részletesen tárgyalja a fejlesztés folyamatát, továbbá kiértékeli az elkészített ágens képességeit. Végezetül a munka tartalmazza a konklúziókat a teljes fejlesztési procedúráról, valamint a tanítás eredményéről.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.