National and Kapodistrian University of Athens
Navigating Frogger: A reinforcement learning approach
Abstract
dc:descriptionΗ παρούσα διπλωματική εργασία διερευνά την εφαρμογή της ενισχυόμενης μάθησης (RL) στο arcade κλασικό παιχνίδι Frogger χρησιμοποιώντας τον αλγόριθμο Deep Q-Network (DQN).Ο κύριος στόχος είναι να εκπαιδευτεί ένας πράκτορας να περιηγείται αποτελεσματικά στο δυναμικό περιβάλλον του παιχνιδιού, προχωρώντας στα επίπεδα και φτάνοντας στα καθορισμένα σπίτια, ενώ αποφεύγει διάφορα εμπόδια, όπως οχήματα, κορμούς και χελώνες,. Η έρευνα περιλαμβάνει την ανάπτυξη ενός απλοποιημένου περιβάλλοντος του παιχνιδιού Frogger χρησιμοποιώντας Python και τη βιβλιοθήκη Pygame, και τη δημιουργία ενός πλαισίου RL συμβατού με το OpenAI Gym.Κύρια στοιχεία της μελέτης περιλαμβάνουν την εφαρμογή του DQN και την εξέταση διαφορετικών σεναρίων εκπαίδευσης για τη βελτιστοποίηση της απόδοσης του πράκτορα. Η έρευνα εξετάζει την επίδραση της μεταβολής του μέγιστου αριθμού βημάτων ανά επεισόδιο, τις προσαρμογές των υπερπαραμέτρων και την εισαγωγή της μείωσης του ρυθμού εκμάθησης στην αποδοτικότητα της μάθησης και στην ικανότητα του πράκτορα στο παιχνίδι.Τα ευρήματα δείχνουν ότι η επέκταση της διάρκειας εκπαίδευσης και η ενσωμάτωση της μείωσης του ρυθμού εκμάθησης βελτιώνουν σημαντικά την απόδοση του πράκτορα, οδηγώντας σε υψηλότερες και πιο σταθερές ανταμοιβές και καλύτερη επιτυχία στην επίτευξη των στόχων του παιχνιδιού. Ωστόσο, ο πράκτορας αντιμετωπίζει σταθερά δυσκολίες στην αποφυγή εμποδίων, οδηγώντας σε υψηλούς αριθμούς θανάτων στα διάφορα σενάρια εκπαίδευσης. Αυτό υποδηλώνει την ανάγκη για περαιτέρω βελτίωση της συνάρτησης ανταμοιβής ή και την εξερεύνηση εναλλακτικών αλγορίθμων RL για την αντιμετώπιση αυτών των προκλήσεων.Η παρούσα διπλωματική εργασία συμβάλλει στην όλο και αυξανόμενη γνώση σχετικά με την RL και τις εφαρμογές της σε περιβάλλοντα παιχνιδιών, παρέχοντας γνώσεις για την ανάπτυξη αυτόνομων πρακτόρων που είναι ικανοί να μαθαίνουν και να προσαρμόζονται σε πολύπλοκα και απρόβλεπτα περιβάλλοντα. Οι μελλοντικές ερευνητικές κατευθύνσεις περιλαμβάνουν τη βελτιστοποίηση των δομών ανταμοιβής, τη δοκιμή εναλλακτικών αλγορίθμων RL και την εφαρμογή αυτών των γνώσεων σε πραγματικές εφαρμογές, όπως η αυτόνομη οδήγηση και η ρομποτική
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Μυρτώ Γαλενιανού
- Myrto Galenianou
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3412890