Exploring Reinforcement Learning in AI agents for Video games

A tétel rövid nézete
dc.contributor.advisorHarangi, Balázs
dc.contributor.authorKaddah, Zohair
dc.contributor.departmentDE--Informatikai Kar
dc.date.accessioned2025-06-26T20:59:09Z
dc.date.available2025-06-26T20:59:09Z
dc.date.created2025-04-16
dc.description.abstractMy thesis explores the use of reinforcement learning to develop intelligent agents in a basic 3D tank battle environment. The project's main goal is to train an AI agent to move around the game space, aim, and attack using the Proximal Policy Optimization algorithm. I used Unity to create the project and set up the ML-Agents Toolkit for training. The AI agent demonstrated basic tactical behaviors such as seeking enemies and avoiding obstacles. Overall, the thesis highlights the importance of reinforcement learning in game development.
dc.description.courseProgramtervező informatikus
dc.description.degreeBSc/BA
dc.format.extent42
dc.identifier.urihttps://hdl.handle.net/2437/394786
dc.language.isoen
dc.rights.infoHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectArtificial Intelligence
dc.subjectGame Development
dc.subjectReinforcement Learning
dc.subject.dspaceInformatics::Computer Science
dc.titleExploring Reinforcement Learning in AI agents for Video games
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
thesis.pdf
Méret:
1.73 MB
Formátum:
Adobe Portable Document Format
Leírás:
thesis
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
1.95 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Theses (IK)