Título: Revelando os principais recursos que influenciam os agentes de jogos com diferentes níveis de robustez

Data: 07/08/2023

Horário: 14h30

Local: Departamento de computação

Resumo:

O treinamento de agentes usando métodos de Deep Reinforcement Learning está progredindo rapidamente em vários campos e técnicas como randomização de domínio demonstraram melhorar a capacidade de generalização desses agentes. No entanto, devido à natureza de caixa-preta dos modelos, não é fácil entender por que uma ação foi selecionada a partir de uma determinada entrada. Embora pesquisas anteriores sobre Inteligência Artificial Explicável apresentem esforços para preencher essa lacuna, não está claro quais recursos de entrada específicos contribuem para a generalização de um modelo.

Banca examinadora:

• Prof. Dr. Joaquim Bento Cavalcante Neto (MDCC/UFC - Orientador)
• Prof. Dr. Yuri Lenon Barbosa Nogueira (UFC - Coorientador)
• Prof. Dr. Creto Augusto Vidal (UFC)