Hluboké učení AI v herních prostředích

Jazyk práce

slovenský

Abstrakt

Práca sa zaoberá analýzou algoritmov hlbokého učenia a ich schopností splňovať úlohy v herných prostrediach vývojového prostredia Unity. Ďalej sa pokúša vyhľadávať a špecifikovať možné využitia hlbokého učenia a neurónových sietí pre využitie pri vývoji počítačových hier. Využívame na to posilované učenie, imitačné učenie, a neuroevolúciu, pričom sa posilované učenie používalo počas celého vývoja hernej scény. Vyhodnocovanie a analýza prebiehali púštaním sietí v rôznych podmienkach herných scén a iných faktorov.

Klíčová slova

Hlboké učenie, Strojové učenie, Umelá inteligencia, Posilované učenie, Imitačné učenie, GAIL, Q-učenie, PPO, knihovňa ML-agents, Unity, Herné prostredia, Agenti, Strojové učenie, odmeny, odmeny a tresty, Genetické algoritmy, neuroevolúcia, NEAT, Evolučné stratégie, Markovské rozhodovacie procesy, neurónové siete

Ústav

Ústav počítačové grafiky a multimédií FIT VUT v Brně

Studijní program

Informační technologie

Soubory

Stav

obhájeno, hodnocení D

Obhajoba

15. června 2021

Oponent

Bobák Petr, Ing.

Průběh obhajoby

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D.

Otázky u obhajoby

Objasněte prosím počáteční podmínky experimentů uvedených v sekci 4.1. Jakými algoritmy bylo dosaženo prezentovaných výsledků? Jak vypadala architektura neuronové sítě? Co reprezentují vstupy a výstupy sítě? Experimentoval jste s hyperparametry?
Vysvětlete prosím co ilustrují obrázky 4.1(a) a (b). Co reprezentují jednotlivé průběhy vizualizované oranžovou a modrou barvou?
Jaký je vztah mezi neuronovou sítí a posilovaným učením?
Co považujete za nejnáročnější část vaši práce, na co jste nejvíc hrdý?
Jak jste zjišťoval výhody a nevýhody jednotlivých přístupů?
Považujete výsledné natrénování agentů za úspěšné?
Byla by vaše metoda použitelná i pro složitější hru?

Komise

Zbořil František, doc. Ing., Ph.D. (UITS FIT VUT), předseda
Hradiš Michal, Ing., Ph.D. (UPGM FIT VUT), člen
Kekely Lukáš, Ing., Ph.D. (UPSY FIT VUT), člen
Rogalewicz Adam, doc. Mgr., Ph.D. (UITS FIT VUT), člen
Veselý Vladimír, Ing., Ph.D. (UIFS FIT VUT), člen

Citace

GLÓS, Kristián. Hluboké učení AI v herních prostředích. Brno, 2021. Bakalářská práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2021-06-15. Vedoucí práce Polášek Tomáš. Dostupné z: https://www.fit.vut.cz/study/thesis/24101/

BibTeX

@bachelorsthesis{FITBT24101,
    author = "Kristi\'{a}n Gl\'{o}s",
    type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce",
    title = "Hlubok\'{e} u\v{c}en\'{i} AI v hern\'{i}ch prost\v{r}ed\'{i}ch",
    school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}",
    year = 2021,
    location = "Brno, CZ",
    language = "slovak",
    url = "https://www.fit.vut.cz/study/thesis/24101/"
}