APLICACIONES DEL APRENDIZAJE POR REFUERZO EN VIDEOJUEGOS

Abstract

Este proyecto consiste en el análisis de la inteligencia artificial dentro del mundo de los videojuegos, centrándose en el aprendizaje por refuerzo y posteriormente concretando en el multiagente. El objetivo es implementar una IA que manipule simultáneamente varios Non Playable Characters y cooperando entre ellos sean capaces de lograr una meta especifica.

Inicialemnte se implementar á el algoritmo Q-Learning y se modificar á una red neuronal para comprender las bases alrededor de las DQN. Se hará uso de la librería PyRIL para facilitar la creación de la red neuronal (usando tensorflow), Gym y PettingZoo, páginas que ofrecen entornos preparados con condiciones de victoria, derrota y recompensa y PyCharm como IDE bajo el que desarrollar en Python.

Se van a realizar experimentos con estos algoritmos, colocándolos en situaciones donde deban alcanzar un objetivo superando obstáculos con el fin de evaluar su rendimiento, se harán modificaciones para encontrar la forma óptima de aprendizaje.

Al acabar, se tendrá un algoritmo Q-Learning funcional capaz de usarse bajo varios entornos y una red neuronal DQN.

Con las pruebas se busca alcanzar unas conclusiones que permitan identificar que situaciones son mejores para cada algoritmo de aprendizaje.