Hluboké neuronové sítě a algoritmy posilovaného učení pro hraní videoher

Abstract

Tato práce se zabývá implementací a experimenty s kontrolérem, který hraje hry konzole Atari 2600. Nejdříve je jako model kontroléru navržena neuronová síť odhadující Q funkci her, která je učena algoritmem Neural Fitted Q iteration. Na základě experimentů se od tohoto modelu přejde k metodě založené na hledání optimální strategie hry. Na několika hrách je představeno řešení, které zredukuje obrazový vstup hry pomocí hlubokých sítí a ten předá rekurentní neuronové síti s LSTM neurony. Tato síť určí hráčovu akci. V závěru práce je porovnání výsledků s obdobnými pracemi.

The main goal of this thesis is to create controller that is able to play games of Atari 2600 console. At first the algorithm Neural Fitted Q iteration is proposed as a model of this controller. Based on the experiments a model is changed to a policy-search method. The final solution is presented on several Atari games. The raw picture of game is reduced using deep networks and is transmitted to a recurrent neural network with LSTM neurons. This network decides which action is best to make. In the conclusion of the thesis is comparison of results with other similar articles.