Development of a self-learning robot for mobile games applications

Abstract

Выпускная квалификационная работа посвящена разработке самообучающегося бота для мобильной игры на основе обучения с подкреплением. Для получения значимой информации для обучения бота используется изображение кадра игры. С этой целью были разработаны и рассмотрены несколько алгоритмов обработки кадра игры и последующего получения информации. Среди этих алгоритмов были поиск по шаблону и различные виды классификатора на основе метода опорных векторов. Также была обучена классифицирующая нейронная сеть. Выбранными методами создается необходимый набор данных для обучения - вектор состояния. Описан процесс разработки и обучения бота, базирующийся на получении информации о результативности его действий из векторов состояния. Указаны используемые архитектура нейронной сети и значения функции вознаграждения, необходимой для обучения с подкреплением. Приведены результаты экспериментов.

The final qualification paper has viewed the development of a bot for a mobile game based on reinforced learning. Images of the game frame are used to obtain meaningful information for training the bot. For this purpose there are several algorithms were developed and considered for processing the frame and following the getting of information. Among these methods were pattern matching and various types of a classifier based on the support vector machine. A classification neural network was also trained. The chosen algorithms are used for creating the necessary data set for training - a state vector. There is given the process of developing and training a bot, based on obtaining information about the effectiveness of its actions from state vectors. There is noted the used neural network architecture and the values ​​of the reward function required for learning with reinforcement. The results of the experiments are given.