Разработка системы для обучения виртуальных союзников на базе Unity ML-Agents : магистерская диссертация

Abstract

The object of the study is the methods and algorithms of machine learning used to develop and train virtual agents. The subject of the study is the process of training virtual agents in a gaming environment using machine learning methods on the Unity ML-Agents platform. The goal of the work is to develop a system for training virtual allies based on Unity ML-Agents, capable of demonstrating various levels of behavior complexity. Research methods: theoretical analysis, data analysis, machine learning algorithms, neural networks. As a result, a system for training virtual allies based on Unity ML-Agents was developed. Four universal game scenes were developed and tested, each of which demonstrates a certain level of complexity and type of agent behavior.

Объект исследования — методы и алгоритмы машинного обучения, применяемые для разработки и обучения виртуальных агентов. Предметом исследования является процесс обучения виртуальных агентов в игровом окружении с использованием методов машинного обучения на платформе Unity ML-Agents. Цель работы — разработка системы для обучения виртуальных союзников на базе Unity ML-Agents, способной демонстрировать различные уровни сложности поведения. Методы исследования: теоретический анализ, анализ данных, алгоритмы машинного обучения, нейронные сети. По итогу была разработана система для обучения виртуальных союзников на базе Unity ML-Agents. Были разработаны и протестированы четыре универсальных игровых сцены, каждая из которых демонстрирует определённый уровень сложности и тип поведения агентов.