Learning to Play Atari Pong : A Study of Reinforcement Learning Techniques
Fuentes Insa, David
Casas Roma, Jordi, tut. (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Additional title:	Aprenent a jugar a Pong d'Atari : Un estudi de tècniques d'aprenentatge per reforç
Additional title:	Aprendiendo a jugar a Pong de Atari : Un estudio sobre técnicas de aprendizaje por refuerzo
Date:	2025
Abstract:	Aquest projecte té com a objectiu establir una base sòlida sobre l'aprenentatge per reforç, entenent-ne els fonaments, aprenent a implementar-lo a través de diversos algoritmes i explorant com pot aplicar-se als videojocs. Amb l'augment de la importància de la intel·ligència artificial en múltiples sectors, l'aprenentatge per reforç destaca com un paradigma potent per entrenar agents a prendre decisions mitjançant la interacció i l'experiència.
Abstract:	Este proyecto tiene como objetivo tener una base sólida de aprendizaje por refuerzo, entendiendo las bases, aprendiendo como implementarlo en múltiples algoritmos y como puede ser aplicado en videojuegos.
Abstract:	This project aims to get a solid base of Reinforcement Learning, understanding the foundations, learning how to implement it across multiple algorithms and how can be applied to videogames.
Rights:	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.
Language:	Anglès
Studies:	Enginyeria Informàtica [2502441]
Study plan:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Subject area:	Menció Computació
Subject:	Aprenentatge per reforç ; Intel·ligència artificial ; Aprenentatge d'un sol agent ; Aprenentatge multiagent ; Videojocs ; Aprenentatge profund ; Atari pong ; Aprendizaje por refuerzo ; Inteligencia artificial ; Aprendizaje por refuerzo de un solo agente ; Aprendizaje por refuerzo multiagente ; Videojuegos ; Aprendizaje profundo ; Atari Pong ; Reinforcement Learning ; Artificial Intelligence ; Single-agent RL ; Multi-agent RL ; Videogames ; Deep learning

12 p, 1.7 MB

The record appears in these collections:
Research literature > Bachelor's degree final project > School of Engineering. TFG