Defesa de Proposta de Dissertação: Paulo Bruno de Sousa Serafim
Título: Uma Estratégia de Melhora de Desempenho por Competição para Agentes Autônomos de um Jogo de Tiro em Primeira Pessoa
Data: 22/09/2017 Horário: 16h Local: Sala de Aula 02 - Bloco 952 - Campus do Pici
Resumo:
O desenvolvimento da indústria de jogos trouxe uma necessidade de melhores personagens controlados por Inteligência Artificial. Entretanto, criar um agente autônomo para um jogo do gênero Tiro em Primeira Pessoa não é uma tarefa simples. Nesse trabalho será proposta uma técnica de melhora de desempenho através da competição entre dois agentes no jogo Doom, utilizando a plataforma de pesquisa ViZDoom. Para tanto, será utilizado o paradigma de Aprendizado por Reforço usando a técnica de Deep Learning. Essas características deverão ser capazes de gerar agentes autônomos que apresentem comportamentos complexos e adequados em cada cenário jogado.
Banca:
- Prof. Dr. Joaquim Bento Cavalcante Neto (MDCC/UFC - Orientador)
- Prof. Dr. Creto Augusto Vidal (MDCC/UFC - Coorientador)
- Prof. Dr. Yuri Lenon Barbosa Nogueira (UFC - Coorientador)