상세 보기
강화학습 에이전트 시야 정보 차이에 의한 학습 성능 비교
Comparison of Learning Performance by Reinforcement Learning Agent Visibility Information Difference
- 김찬섭;
- 강신진;
- 장시환;
- 양성일
초록
인공지능 스스로가 자신을 발전시켜 최적의 문제 해결 방법을 찾는 강화학습은 여러 분야에서 활용 가치가 높은 기술이다. 특히 게임 분야는 강화학습 인공지능에 문제 해결을 위한 가상 환경을 제공할 수 있다는 장점이 있으며 강화학습 에이전트는 주어진 환경에 대한 정보인 관측변수를 사용하여 자신의 상황과 환경에 대한 정보를 파악하여 환경에 대한 문제를 해결한다. 본 실험에서는 롤플레잉 게임의 인스턴트 던전 환경을 간략화하여 제작하고 에이전트에게 관측변수 중 시야에 관련된 관측변수를 다양하게 설정하였다. 실험 결과 각 설정된 변수들이 학습 속도에 얼마나 영향을 주는지를 파악할 수 있었고, 이러한 결과는 롤플레잉 게임 강화학습 연구에 참고할 수 있다.
키워드
강화 학습; PPO; 게임 에이전트; Reinforcement learning; Proximal policy optimization; Game agent
- 제목
- 강화학습 에이전트 시야 정보 차이에 의한 학습 성능 비교
- 제목 (타언어)
- Comparison of Learning Performance by Reinforcement Learning Agent Visibility Information Difference
- 저자
- 김찬섭; 강신진; 장시환; 양성일
- 발행일
- 2021
- 저널명
- 한국게임학회 논문지
- 권
- 21
- 호
- 5
- 페이지
- 17 ~ 28
- 언어
- KOR
- 출판사
- 한국게임학회
- 발행국가
- 대한민국
- 분량
- 12 페이지
- ISSN
- E 2287-8211
P 1598-4540