Reinforcement Learning aplicat a videojocs
Capel Ruiz, Martí
Casas Roma, Jordi, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant:	Reinforcement Learning Aplicado a Videojuegos
Títol variant:	Reinforcement Learning Applied to Video Games
Data:	2024
Resum:	El Treball de Fi de Grau se centrarà en l'aplicació del Reinforcement Learning (RL) a jocs utilitzant la biblioteca Gymnasium de Python. L'objectiu principal és comprendre els fonaments del RL i aplicar aquests coneixements en diversos entorns de joc, des de jocs més simples, com el cart pole, fins a jocs més complexos, incloent jocs multijugador. Inicialment, es realitza un estudi profund de la teoria del RL. A continuació, es procedeix amb l'exploració i el domini de la biblioteca Gymnasium, una eina essencial per a la simulació i l'entrenament d'agents de RL en entorns controlats.
Resum:	El Trabajo de Fin de Grado se centrará en la aplicación del Reinforcement Learning (RL) a juegos utilizando la biblioteca Gymnasium de Python. El objetivo principal es comprender los fundamentos del RL y aplicar estos conocimientos en diversos entornos de juego, desde juegos más simples, como el cart pole, hasta juegos más complejos, incluyendo juegos multijugador. Inicialmente, se realiza un estudio profundo de la teoría del RL. A continuación, se procede con la exploración y el dominio de la biblioteca Gymnasium, una herramienta esencial para la simulación y el entrenamiento de agentes de RL en entornos controlados.
Resum:	The Final Degree Project will focus on applying Reinforcement Learning (RL) to games using the Python library Gymnasium. The main objective is to understand the fundamentals of RL and apply this knowledge in various game environments, from simpler games like cart pole to more complex ones, including multiplayer games. Initially, a deep study of RL theory is conducted. Then, the exploration and mastery of the Gymnasium library, an essential tool for the simulation and training of RL agents in controlled environments, are undertaken.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Llengua:	Català
Titulació:	Grau en Enginyeria Informàtica [2502441]
Pla d'estudis:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Àrea temàtica:	Menció Computació
Matèria:	Reinforcement Learning ; Gymnasium ; PettingZoo ; Python ; Deep Reinforcement Learning ; Agent de RL ; Videojocs ; Multiplayer ; Avaluacio d'Agents ; Machine Learning ; Aprendizaje por refuerzo ; Aprendizaje por refuerzo profundo ; Agente de RL ; Videojuegos ; Multijugador ; Evaluación de Agentes ; Aprendizaje automático ; RL Agent ; Video Games ; Agent Evaluation

12 p, 1.1 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG