A deep reinforcement learning approach for pathfinding in computer games
Bilgisayar oyunlarında yol bulmada derin pekiştirmeli öğrenme yaklaşımı
- Tez No: 792407
- Danışmanlar: DOÇ. DR. METE EMİNAĞAOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 65
Özet
Oyun geliştirmenin en büyük zorluklarından biri, hem tatmin edici derecede gerçekçi hareket sonuçları üreten hem de oyun geliştiricilerin sınırsız hayal gücünün yarattığı dünyalarda farklı senaryoları gerçekleştirebilen bir yol bulma algoritması üretmektir. Ayrıca oyunlar son kullanıcıya yönelik programlar olduğu için içerdikleri sistemlerin mümkün olduğunca az bilgisayar kaynağı kullanması ve maliyet açısından mümkün olan en kısa sürede geliştirilmesi istenmektedir. Mevcut yol bulma çözümleri, soruna güçlü yanıtlar üretebilse de çözülmesi uzun bir geliştirme süresi gerektiren bazı kronik sorunları da içermektedir. Bu çözümler, baştan sona gezinilebilen ve sürekli haritalarda çok iyi çalışmaktadır. Ancak yürüme dışında zıplama, uçma gibi farklı hareket mekaniklerinin de kullanıldığı çeşitli engellerin aşılması gereken durumlara çözüm getirememektedir. Çoğu zaman geliştiricilerin yol bulma örgülerini birbirine linklerle manuel olarak bağlaması gerekmektedir. Bu da farklı hareket mekaniklerine sahip haritalarda oyun geliştirme sürecini önemli ölçüde uzatmaktadır. Aynı zamanda bağlanan linkler manuel olarak kurulduğu için link üzerinde hareket eden cismin hareketi doğal görünmemektedir. Bu çalışmanın odak noktası, mevcut yol bulma algoritmalarının zorluklarını aşmak için yapay sinir ağları ve derin pekiştirmeli öğrenme kullanarak bir düğüm ağı oluşturacak bir sistem oluşturmaktır. Son olarak, yapım aşamasında yapay sinir ağları kullanılmayacağından son kullanıcı için hızlı ve daha az kaynak kullanan bir sistem hedeflenmektedir.
Özet (Çeviri)
One of the biggest challenges of game development is to produce a pathfinding algorithm that both produces satisfactory realistic movement results and can solve different scenarios in worlds created by game developers' unlimited imagination. Furthermore, since the games are programs for the end user, it is desired that the systems they contain use as little computer resources as possible and be developed as quickly as possible in terms of cost. Although existing solutions can produce strong answers to the problem, they also contain some chronic problems that take a long development time to solve. Existing solutions work very well on maps that are continuous and can be navigated by moving from start to finish. However, they cannot find a solution in cases where various obstacles must be overcome by various movement mechanics such as jumping, flying are used other than walking. Most of the time developers must manually assign links to meshes, significantly prolonging the game development process on the maps with such features. At the same time, since the connected links are established manually, the movement of the object moving on the link does not seem natural. The focus of this study is to create a system that will generate a node network by using artificial neural networks and deep reinforcement learning to overcome the difficulties of existing pathfinding algorithms. Finally, a system that is fast and uses less resources is aimed for the end user, since artificial neural networks will not be used during the build phase.
Benzer Tezler
- Advantage actor-critic deep reinforcement learning approach for paint shop planning and scheduling
Boya atölyesi planlama ve zamanlama için avantajlı oyuncu-kritik derin pekiştirme öğrenme yaklaşımı
MERT CAN ÖZCAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. METİN TÜRKAY
- A deep reinforcement learning modelling approach for (s, S) inventory control problem
Envanter yönetimi için derin takviyeli öğrenme yaklaşımı
GÜRAY KILINÇ
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri MühendisliğiYaşar ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BANU YETKİN EKREN
- Drone ile drone takibi için dağıtık derin takviyeli öğrenme yaklaşımları
Distributed deep reinforcement learning approaches for drone tracking with drone
ZİYA TAN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Object-aware interactive perception
Nesne farkındalıklı etkileşimli algılama
ÇAĞATAY KOÇ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SANEM SARIEL UZER
PROF. DR. SİNAN KALKAN
- A deep reinforcement learning approach to network intrusion detection
Ağ saldırı tespitinde derin pekiştirmeli öğrenim yaklaşımı
HALİM GÖRKEM GÜLMEZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PELİN ANGIN