Megerősítéses tanulás autós játékokban
| dc.contributor.advisor | Fazekas, István | |
| dc.contributor.author | Bogacsovics, Gergő | |
| dc.contributor.department | DE--Mezőgazdaság- Élelmiszertudományi és Környezetgazdálkodási Kar | hu_HU |
| dc.date.accessioned | 2020-04-22T10:20:20Z | |
| dc.date.available | 2020-04-22T10:20:20Z | |
| dc.date.created | 2019-04-11 | |
| dc.description.abstract | Az utóbbi években egyre nagyobb teret hódítottak azok a kísérletek, melyekben mesterséges intelligencia ágensek különféle játékokban megközelítették, vagy akár meg is haladták az emberi teljesítményt. Gondoljunk csak például az AlphaGo-ra, amely képes volt világbajnok játékosok legyőzésére vagy akár a különféle algoritmusokra, amelyek az ún. Atari-s játékokban értek el korábban még nem látott sikereket. Ezekben a kísérletekben egy a közös: a deep reinforcement learning (DRL), azaz a megerősítéses tanulás. A dolgozat célja a DRL ismertetésén kívül a különféle DRL algoritmusok viselkedésének bemutatása egy közös problémán, az autóvezetéses játékokban. Ha valaki játszott már hasonló versenyzős játékokkal, tapasztalhatta, hogy a beépített ellenfelek viselkedése a mesterséges intelligencia használatának ellenére is meglehetősen gyenge, egyáltalán nem életszerű. Erre nyújthatnak megoldást a DRL algoritmusok, amelyekkel jóval emberszerűbb és ugyanakkor hatékonyabb viselkedést kölcsönözhetünk ágenseinknek, azaz számítógépes ellenfeleinknek, életszerűbbé, élvezhetőbbé és izgalmasabbá téve a játékokat. Ennek megfelelően a dolgozatban fokozatosan nehezedő, egyre bonyolultabb pályákon próbálom betanítani a különféle algoritmusokat, majd pedig kiértékelem azok teljesítményét. A dolgozatban ugyancsak tárgyalásra kerül az ún. Augmented Random Search (ARS) , ami egy meglehetősen új, viszonylag egyszerű, ugyanakkor nagyon hatékonynak bizonyuló algoritmus. Az újdonságból kifolyólag azonban jelenleg még kevés környezetben alkalmazták, amit jól mutat az is, hogy a dolgozat írása pillanatában nincs tudomásom hasonló környezeten, illetve problémán (vezetés) történő kipróbálásáról. | hu_HU |
| dc.description.course | Programtervező informatikus | hu_HU |
| dc.description.degree | MSc/MA | hu_HU |
| dc.format.extent | 38 | hu_HU |
| dc.identifier.uri | http://hdl.handle.net/2437/284253 | |
| dc.language.iso | hu | hu_HU |
| dc.subject | mesterséges intelligencia | hu_HU |
| dc.subject | megerősítéses tanulás | hu_HU |
| dc.subject | reinforcement learning | hu_HU |
| dc.subject.dspace | DEENK Témalista::Informatika | hu_HU |
| dc.title | Megerősítéses tanulás autós játékokban | hu_HU |