Publicação

Reinforcement larning in gaming

Ver documento

Detalhes bibliográficos
Resumo:A inteligência artificial em videojogos é uma área de investigação de longa data. É um conceito importante em muitos jogos e estuda como utilizar tecnologias de IA para alcançar o desempenho a nível humano durante o jogo. No entanto, quando se trata de IA e videojogos, a Reinforcement Learning tem de ser mencionada. RL define os agentes que enfrentam os problemas que aprendem a tomar boas decisões apenas através da acção e observação. Este projecto centra-se na integração de um algoritmo de Machine Learning chamado Reinforcement Learning no desenvolvimento de um videojogo do género Tower Defense. O projeto foi desenvolvido pelo motor Unity3D que incorpora um agente que utiliza a técnica RL para simular o comportamento de um jogador humano e continuar a melhorá-lo, com base em experiências de jogo anteriores, até ser totalmente optimizado com uma pontuação imbatível pelo jogador médio. O agente irá imitar o comportamento de um humano, comprando, actualizando e colocando torres enquanto obtém a pontuação mais alta, utilizando o menor número de moedas. Além disso, o relatório irá também rever vários conceitos de Aprendizagem Automática, incluindo o Processo de Decisão de Markov e o Q-Learning.
Autores principais:Soliman, Seifeldien Sameh Soliman Mahmoud
Assunto:Defesa da torre Inteligência artificial Reinforcement learning Machine learning Redes neuronais
Ano:2022
País:Portugal
Tipo de documento:dissertação de mestrado
Tipo de acesso:acesso aberto
Instituição associada:Instituto Politécnico de Bragança
Idioma:inglês
Origem:Biblioteca Digital do IPB

Registos relacionados

Registos relacionados