see the original item page
in the repository's web site and access all digital files if the item*

2009 (EN)
Ενισχυτική μάθηση και ηλεκτρονικά παιχνίδια
Reinforcement learning and computer games

Δαρόγλου, Ιορδάνης Ευστρατίου

Τα ηλεκτρονικά παιχνίδια αποτελούν σημαντική πρόκληση για τους επιστήμονες του ευρύτερου γνωστικού πεδίου της Τεχνητής Νοημοσύνης (Μηχανικής Μάθησης) και της Ενισχυτικής Μάθησης συγκεκριμένα. Στην εργασία αυτήν διερευνάται η καταλληλότητα των μεθόδων Ενισχυτικής Μάθησης ως προς την εφαρμογή τους σε περίπλοκα ηλεκτρονικά παιχνίδια.Συγκεκριμένα, παρουσιάζεται η υλοποίηση πρακτόρων ΕΜ για το Infinite Mario, που είναι βασισμένο στο δημοφιλές παιχνίδι πλατφόρμας Mario και συμπεριλήφθηκε στον Διεθνή Διαγωνισμό ΕΜ 2009 (RL-Competition 2009). Επιπλέον, παρουσιάζονται κάποιες πρώιμες προσπάθειες για την υλοποίηση του παιχνιδιού TransballGL, ως πεδίο εφαρμογής μεόδων ΕΜ. Το κύριο συμπέρασμα που εξήχθη από την εργασία αυτή, είναι ότι τα ηλεκτρονικά παιχνίδια αποτελούν ένα εξαιρετικά ενδιαφέρον και προκλητικόπε-δίο δοκιμών για τις μεθόδους ΕΜ. Ωστόσο, για την επιτυχή εφαρμογή μεθόδων ΕΜ σε αυτά, είναι καλό να έχει προηγηθεί ενδελεχής μελέτη του πεδίου (παιχνιδιού) , για να υπάρχει όσο το δυνατόν καλύτερη εκμετάλλευση της γνώσης που παρέχεται μέσω των αναπαραστάσεων των καταστάσεων του παιχνιδιού.
Computer games can pose a great challenge for AI research, especially Machine Learning and more specifically Reinforcement Learning. In this thesis we question the applicability of RL methods to solving complex problem domains based on video games.We present the implementation of some agents for the Infinite Mario domain, which is based on the popular platform game Mario, and was featured in the 2009 Reinforcement Learning Competition. Moreover, we describe some primitive efforts towards the implementation of a new Reinforcement Learning problem domain, which is based on the open-source thrust-type game, TransballGL. We feel that the main lesson learned through this thesis is that computer games can be a very good match for the creation of interesting and challenging problem domains for Reinforcement Learning. We have to note though, that for successful application of RL methods in video games, extra care must be taken, the problem domain has to be studied thoroughly, in order to achieve the fullest possible exploitation of the information that is provided via the game state / observation representation.

Postgraduate Thesis / Μεταπτυχιακή Εργασία

Ηλεκτρονικά παιχνίδια
Ενισχυτική μάθηση
Τεχνητή νοημοσύνη
Reinforcement learning
Προβλήματα πραγματικού κόσμου
Real world problems
Computer games
Artificial intelligence

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (EL)
Aristotle University of Thessaloniki (EN)



Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Σχολή Θετικών Επιστημών, Τμήμα Πληροφορικής

This record is part of 'IKEE', the Institutional Repository of Aristotle University of Thessaloniki's Library and Information Centre found at Unless otherwise stated above, the record metadata were created by and belong to Aristotle University of Thessaloniki Library, Greece and are made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license ( Unless otherwise stated in the record, the content and copyright of files and fulltext documents belong to their respective authors. Out-of-copyright content that was digitized, converted, processed, modified, etc by AUTh Library, is made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license ( You are kindly requested to make a reference to AUTh Library and the URL of the record containing the resource whenever you make use of this material.

*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)