Megerősítéses tanulás alkalmazása akadálypálya teljesítéséhez

A tétel rövid nézete
dc.contributor.advisorBogacsovics, Gergő
dc.contributor.authorSarbak, Márkó
dc.contributor.departmentDE--Informatikai Kar
dc.date.accessioned2024-06-23T18:17:45Z
dc.date.available2024-06-23T18:17:45Z
dc.date.created2024-05-01
dc.description.abstractA szakdolgozat a megerősítéses tanulás használatát vizsgálja a Unity játékfejlesztő platformon. A hangsúly az intelligens ágensek létrehozásán van, amelyek képesek áthaladni az akadálypályákon. A kutatás fókuszában a Proximal Policy Optimization (PPO) algoritmus áll, amelyet az ágens képzésére használtam különböző környezetekben. A szakdolgozat célja az volt, hogy bemutassa, hogyan javíthatja a megerősítéses tanulás az ágensek alkalmazkodóképességét és teljesítményét dinamikus játékkörnyezetekben. A szakdolgozat részletesen bemutatja a Unity ML-Agents Toolkit használatát, az ágensek tréningjének lépéseit és az algoritmusok implementálását. Végül az ágensek teljesítményét és a tanulási folyamatokat TensorBoard eszköz segítségével értékeli, biztosítva a modell fejlődésének elemzését és optimalizálási stratégiák hatékonyságának megértését.
dc.description.courseProgramtervező informatikus
dc.description.degreeBSc/BA
dc.format.extent47
dc.identifier.urihttps://hdl.handle.net/2437/374589
dc.language.isohu
dc.rights.accessHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectUnity
dc.subjectJátékfejlesztés
dc.subjectMegerősítéses tanulás
dc.subject.dspaceInformatika
dc.titleMegerősítéses tanulás alkalmazása akadálypálya teljesítéséhez
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
szakdolgozat.pdf
Méret:
874.12 KB
Formátum:
Adobe Portable Document Format
Leírás:
szakdolgozat
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
2.35 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Hallgatói dolgozatok (Informatikai Kar)