Συμπεριφορά ευφυών πρακτόρων χρησιμοποιώντας ενισχυτική μάθηση μέσω του εργαλείου ML-Agents της Unity
| dc.contributor.advisor | Παναγιωτόπουλος, Θεμιστοκλής | |
| dc.contributor.advisor | Panagiotopoulos, Themistoklis | |
| dc.contributor.author | Δαβίλλας, Χρήστος | |
| dc.contributor.author | Davillas, Christos | |
| dc.date.accessioned | 2023-01-20T11:37:35Z | |
| dc.date.available | 2023-01-20T11:37:35Z | |
| dc.date.issued | 2022-11 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/15031 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/2453 | |
| dc.format.extent | 98 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Συμπεριφορά ευφυών πρακτόρων χρησιμοποιώντας ενισχυτική μάθηση μέσω του εργαλείου ML-Agents της Unity | el |
| dc.title.alternative | Behavior of intelligent agents using reinforcement learning through Unity's ML-Agent’s toolkit | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | Game AI is as ancient as AI itself, but with the addition of video games, the discipline has witnessed enormous extension and enrichment in the previous decade. Deep learning development has had a substantial and transformative influence on numerous challenging issues during the last decade, including speech recognition, machine translation, natural language comprehension, and computer vision. Many gaming firms are looking for new solutions and technologies to help their products benefit from AI and Machine Learning. Unity's ML-Agent toolkit, which is also the major component of this thesis, is a very broad and popular tool. There are seven chapters in the paper. The first two chapters discuss the principles of artificial intelligence, gaming AI technologies, machine learning and its structure, as well as some examples of projects created with mlagent's tools. From chapter three to six, we follow the project's development step by step, from requirements through design, coding, and then the simulation demo. Finally, some future considerations and a conclusion manage the thesis's closure. | el |
| dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής - Ανάπτυξη Λογισμικού και Τεχνητής Νοημοσύνης | el |
| dc.subject.keyword | Artificial Intelligence | el |
| dc.subject.keyword | Machine learning | el |
| dc.subject.keyword | Unity's ML-Agents | el |
| dc.subject.keyword | Reinforcement learning | el |
| dc.subject.keyword | Intelligent Agents | el |
| dc.date.defense | 2022-11-25 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Πληροφορικής
Department of Informatics
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα