XÂY DỤNG GAMEBOT ĐỂ CHƠI GAME TỰ ĐỘNG ÁP DỤNG TRÍ TUỆ NHÂN TẠO

Abstract

Với sự thuận tiện của các hệ thống tự động hóa và các lợi ích mà hệ thống mang lại, nên hệ thống tự động rất được chuộng để sử dụng trong đời sống hằng ngày.Ví dụ như hệ thống bán nước tự động được đặt ở các công viên, hệ thống dây chuyền tự động sản xuất,... Trong đề tài này, em sẽ nghiên cứu cách thức xây dựng một hệ thống có áp dụng trí tuệ nhân tạo, tự động thực hiện các hành động đơn giản phù hợp với bài toán đặt ra thông qua việc mô phỏng hệ thống dưới dạng môi trường ảo GameBot. Lĩnh vực GameBot được sử dụng rất nhiều trong việc huấn luyện mô hình để dự báo các hành động, môi trường ảo nên thuận tiên cho việc xây dựng và phát triển môi trường, giảm chi phí cho các thao tác kiểm nghiệm hệ thống trước khi đưa vào thực tế. Để có thể huấn luyện một hệ thống tự đưa ra các dự báo về hành động thì phương pháp học tăng cường là lựa chọn thích hợp để thực hiện các nghiên cứu. Sử dụng phương pháp Deep Q-learning và phương pháp áp dụng giải thuật di truyền kết hợp với mô hình mạng thần kinh để huấn luyện trò chơi răn săn mồi. Hai phương pháp cho ra kết quả rất tốt với bài toán trò chơi rắn săn mồi, đáp ứng yêu cầu bài toán là ăn thức ăn và tránh né được các vật thể nguy hiểm có trong môi trường. Với phương pháp áp dụng giải thuật di truyền đạt kết quả tốt hơn so với Deep Q-learning tuy nhiên thời gian huấn luyện lớn hơn và sử dụng nhiều dữ liệu hơn. Sau đó, em đã áp dụng phương pháp Deep Q-learning để huấn luyện một trò chơi tương tự như rắn săn mồi được xây dựng trên nền tảng Unity 3D. Với kết quả thu được là tác nhân tránh né các vật cản rất tốt, tìm kiếm được thức ăn tốt và hạn chế thu thập thức ăn xấu.