Szakdolgozatom során a megerősítéses tanulás alkalmazását vizsgálom biztonsági rendszerek, azon belül pedig megfigyelő kamerák lehelyezésében. A projektben megoldott probléma célja, hogy az ágens képes legyen előre meghatározott pozíciók közül kiválasztani azokat, amelyekkel kamera elhelyezése esetén a lehető legnagyobb lefedettséget biztosíthat.

A dolgozatom során ismertetem az ágens felépítését, beállításait, a projekt felépítése során történő fejlesztéseket, és a megoldás menetét. Ehhez a Unity által biztosított felületen kialakítottam két különböző környezetet, amelyek az ágensek tanítását és eredményeinek felmérését biztosítják. Az ágensek tanítását az MLAgents csomaggal, PPO algoritmus segítségével végeztem.

Az ágensek által elért lefedettségi értékeket egyenletes elosztással lehelyezett kamerák lefedettségéhez hasonlítom. Ezek eredménye alapján a magas százalékú manuális lefedés estén is, a megerősítéses tanítással felkészített ágensek magasabb eredményeket érnek el.