Gépi tanuló algoritmus fejlesztése és tesztelése 3D játékos környezetben

Abstract

A szakdolgozat során vizsgálatra kerül a megerősítéses tanulás applikálhatósága egy asszimetrikus táblajáték, a Hnefatafl esetén. A játékot Unity-ben implementáltam és betanítottam két ágenst önjáték segítségével, az ML-Agents keretrendszer használatával, azzal a céllal, hogy egy kiegyensúlyozott mesterséges intelligenciát hozzak létre. Tanítás során többféle tanítási stratégiát teszteltem, többek között ritka terminális jutalmakat, alternáló tanítást, és sűrű részcél alapú jutalmazást. Az eredmények megmutatták, hogy a védekező fél dominált a strukturálisan egyszerűbb győzelmi kondíciók miatt, a használt módszertől függetlenül. A kutatás rámutatott a megerősítéses tanulás és asszimetrikus játékok nehézségeire. Bár egy teljesen kiegyensúlyozott ágenst nem sikerült elérni, a szakdolgozat egy teljesen működőképes moduláris tesztkörnyezetet biztosít, valamint rávilágít az asszimetrikus játékok megerősítéses tanulással történő tanításának kihívásaira.