prikaz prve stranice dokumenta Razvoj programskog agenta-igrača za računalnu igru primjenom podržanog učenja
Rad nije dostupan
završni rad
Razvoj programskog agenta-igrača za računalnu igru primjenom podržanog učenja
2023. urn:nbn:hr:168:774527
Tadić, Bartul
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Tadić, B. (2023). Razvoj programskog agenta-igrača za računalnu igru primjenom podržanog učenja (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:774527

Tadić, Bartul. "Razvoj programskog agenta-igrača za računalnu igru primjenom podržanog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:774527

Tadić, Bartul. "Razvoj programskog agenta-igrača za računalnu igru primjenom podržanog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:774527

Tadić, B. (2023). 'Razvoj programskog agenta-igrača za računalnu igru primjenom podržanog učenja', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 09.05.2024., https://urn.nsk.hr/urn:nbn:hr:168:774527

Tadić B. Razvoj programskog agenta-igrača za računalnu igru primjenom podržanog učenja [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 09.05.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:774527

B. Tadić, "Razvoj programskog agenta-igrača za računalnu igru primjenom podržanog učenja", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:774527

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:774527
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovRazvoj programskog agenta-igrača za računalnu igru primjenom podržanog učenja
Naslov (engleski)Development of a software agent-player for a computer game using reinforcement learning
AutorBartul Tadić
MentorSiniša Popović (mentor)
Član povjerenstvaSiniša Popović (predsjednik povjerenstva)
Član povjerenstvaMarko Đurasević (član povjerenstva)
Član povjerenstvaMate Gambiraža (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-07-07, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Zadnjih godina razvoj u dubokom podržanom učenju uvelike je imao primjenu u računalnim igricama i simulatorima zbog mogućnosti generiranja velikog broja interaktivnih i vizualno bogatih simulacija. U ovom radu, razvijeno je 3D okruženje koristeći pogonski sustav za računalne igre Unity te je opisana uporaba ML-Agents Toolkita za treniranje inteligentnih agenata pomoću gotove PyTorch implementacije algoritma Proximal Policy Optimization (PPO). U radu su uspoređene performanse različitih konfiguracija te opisano uspješno treniranje. Podržanim učenjem, agent je naučio vještine kretanja i istraživanja okoline, izbjegavanje neprijatelja te skupljanja novčića. Također, u radu je pokrivena teorija iza strojnog učenja, podržanog učenja, dubokih neuronskih mreža, algoritma PPO te korištenje programskog alata ML-Agents.
Sažetak (engleski)
In the last few years, deep reinforcement learning has found extensive application in computer games and simulators due to ability to generate a large number of interactive and visually-rich simulations. In this paper, a 3D environment is developed using Unity game engine, and the use of the ML-Agents Toolkit for training intelligent agents with a PyTorch implementation of the Proximal Policy Optimization (PPO) algorithm is described. The paper compares the performance of different configurations and discusses successful training outcomes. Through reinforcement learning, the agent has learned skills such as movement, environment exploration, enemy avoidance, and coin collection. Additionally, the paper covers the theory behind machine learning, reinforcement learning, deep neural networks, the PPO algorithm, and the use of ML-Agents Toolkit.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:774527
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-07-13 10:37:05