Studente BALLONI, EMANUELE
Facoltà/Dipartimento Dipartimento Ingegneria dell'Informazione
Corso di studio INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Anno Accademico 2020
Data dell'esame finale 2022-02-18
Titolo italiano Applicazione del Deep Reinforcement Learning a videogiochi di piattaforme 2D
Titolo inglese Application of Deep Reinforcement Learning to 2D platform video games
Abstract in italiano Il Deep Reinforcement Learning (DRL) permette ad un agente (di un processo di Reinforcement Learning) di ricevere input ad alta dimensionalità ad ogni passo ed effettuare azioni in accordo con una policy basata su una rete neurale artificiale deep. Questo meccanismo di apprendimento si sposa perfettamente con il mondo dei videogiochi, dove gli ambienti sono sempre dinamici e all'IA è richiesto di apprendere molte informazioni. Questo lavoro di tesi porta l'attenzione su una categoria specifica di videogiochi, i platform 2D, andando a mostrare come sia possibile partire da prodotti già realizzati (non per un task di DRL) per creare delle reti neurali performanti, soffermandosi, in particolare, sulla distinzione tra platform a livelli ed endless, dove il primo ha come obiettivo il raggiungimento di una meta prefissata, il secondo, invece, prevede la sopravvivenza il più longeva possibile in un ambiente generato proceduralmente, cioè diverso ad ogni partita. I risultati ottenuti evidenziano che è possibile allenare delle IA per entrambi i casi, con risultati soddisfacenti; mostrano, inoltre, come i due giochi necessitino di reti allenate separatamente, in quanto differiscono ampiamente nell'obiettivo e nell'ambiente in cui gli agenti sono inseriti.
Relatore ZINGARETTI, PRIMO
Controrelatore MAMELI, MARCO
Appare nelle tipologie: Laurea specialistica, magistrale, ciclo unico
File in questo prodotto:
File Descrizione Dimensione Formato  
tesi_final.pdf   fino a2023-08-22 12.8 MB Adobe PDF
Frontespizio firmato (2).pdf   fino a2023-08-22 301.98 kB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/20.500.12075/7921