Geri Dön

Agent learning in fully observable, continuous and real-time game environments

Tamamen gözlemlenebilir, sürekli ve gerçek zamanlı oyun ortamlarında öğrenen ajan geliştirme

  1. Tez No: 442015
  2. Yazar: ÖMER BAYKAL
  3. Danışmanlar: PROF. DR. FERDANUR ALPASLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

Günümüzde oyun endüstrisi, yapay zekaları yaygın olarak kullanan sektörlerden birisi haline gelmiştir. Bugünkü mevcut oyun ortamlarının çoğu, kullanıcılarına daha zorlayıcı ve eğlenceli oyun deneyimi yaşatabilmek için yapay zekalara ihtiyaç duyar ve bu nedenlerden ötürü de yapay zeka birimleri içerir. Bu kapsamda yürütülen çalışmaların en önemli ilgi alanları yapay zekaların geliştirilme süreçleri ve kaliteleridir. Oyunlar karmaşıklaştıkça, yapay zeka birimleri geliştirme işi daha da zorlaşır. Bundan dolayıdır ki makine öğrenmesi yöntemleri, bazı kayda değer oyunların yapay zeka birimlerinin geliştirilmesinde kullanılarak hem geliştirilmelerini kolaylaştırmış hem de kalitelerini arttırmıştır. Bu yöntemlerin oyunlarda kullanımı son birkaç on yılda artış göstermiştir ve artmaya da devam etmektedir. Danışmanlı öğrenme bir makine öğrenmesi yöntemi olup bir oyunu oyuncularını taklit ederek onlar gibi oynamayı öğrenen yapay zeka birimlerinin geliştirilmesine olanak sağlar. Bu yöntemle geliştirilen taklitçi yapay zekalar gerçek oyunculara karşı rakip olarak kullanılabilecekleri gibi oyuncuların yokluklarında onların yerlerine de kullanılabilirler. Bu çalışmanın amacı, dünyanın en çok oynanan çevrimiçi oyunlarından biri olan HaxBall için taklit eden yapay zeka birimleri geliştirmektir. Bu kapsamda geliştirilen birimler, gerçek HaxBall oyuncularını taklit etme yetisine sahiptirler. HaxBall iki boyutlu bir futbol oyunu olup, tamamen gözlemlenebilir, sürekli ve gerçek zamanlı bir oyun ortamına sahiptir.

Özet (Çeviri)

Game industry has become one of the sectors that commonly use artificial intelligence. Today, most of the game environments need and include artificial intelligence agents to offer more challenging and entertaining experience. Development processes and the quality of artificial intelligence agents are the most important concerns in this area. Since it becomes harder to develop good agents as games become more complex, machine learning methods have started to be used in some notable games to shorten this development process and to improve the quality of agents. Popularity of machine learning applications in game environments has increased in last decades. Supervised learning is a machine learning method which can be applied to develop artificial intelligence agents that play a game like human players by imitating them. The imitating agents can either play the role of opponents or play on behalf of the real players when they are absent. The purpose of this study is to develop imitating agents for one of the world's most played online game; HaxBall. The developed agents can mimic the real HaxBall players. HaxBall is a two dimensional football game with fully observable, continuous, and real time game environment.

Benzer Tezler

  1. Deep reinforcement learning for partially observable markov decision processes

    Kısmi gözlemlenebilir markov karar süreçleri için derin pekiştirmeli öğrenme

    MEHMET HAKLIDIR

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ

  2. A heuristic temporal difference approach with adaptive grid discretization

    Adaptif ızgara ayrıklaştırması ile sezgisel zamansal fark yaklaşımı

    OZAN BORA FİKİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    PROF. DR. FARUK POLAT

  3. Implementation of continuous POMDP algorithms on autonomous robots

    Otonom robotlar üzerinde sürekli KGMKS algoritmalarının uygulanması

    DERYA SEZEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    PROF. DR. H. LEVENT AKIN

  4. Curriculum learning for robot navigation in dynamic environments with uncertainties

    Belirsiz dinamik ortamlarda robot seyrüseferi ı̇çin müfredatlı öğrenme

    DEVRAN DOĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖZGÜR ERKENT

  5. Improving reinforcement learning using distinctive clues of the environment

    Çevreden gelen belirgin ipuçlarını kullanarak pekiştirmeli öğrenmeyi geliştirme

    ALPER DEMİR

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FARUK POLAT

    DR. ERKİN ÇİLDEN