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

Título variante:	Aprenent a jugar a Pong d'Atari : Un estudi de tècniques d'aprenentatge per reforç
Título variante:	Aprendiendo a jugar a Pong de Atari : Un estudio sobre técnicas de aprendizaje por refuerzo
Fecha:	2025
Resumen:	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.
Resumen:	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.
Resumen:	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.
Derechos:	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.
Lengua:	Anglès
Titulación:	Enginyeria Informàtica [2502441]
Plan de estudios:	Enginyeria Informàtica [958]
Documento:	Treball final de grau ; Text
Área temática:	Menció Computació
Materia:	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

El registro aparece en las colecciones:
Documentos de investigación > Trabajos de Fin de Grado > Escuela de Ingeniería. TFG