DQN 학습을 통한 테니스 게임의 설계와 구현
- 주제(키워드) DQN , 딥러닝 , 게임 , 테니스 , AI
- 발행기관 고려대학교 컴퓨터정보통신대학원
- 지도교수 김현철
- 발행년도 2018
- 학위수여년월 2018. 2
- 학위구분 석사
- 학과 컴퓨터정보통신대학원 디지털정보·미디어공학과
- 원문페이지 40 p
- 실제URI http://www.dcollection.net/handler/korea/000000079691
- 본문언어 한국어
- 제출원본 000045932501
초록/요약
Google DeepMind 팀에서 DQN 알고리즘을 발표한 이후로 인공지능 분야는 학계뿐만 아니라 일반인들에게도 화제가 되고 있다. 게임 개발 분야에서 Atari 2600의 여러 게임들을 DQN을 이용해 고득점을 획득하는 성과를 보여준 바 있다. 하지만 이러한 연구들은 Atari 2600의 게임들에 한정되는데 현대의 게임들의 상당수는 3차원을 배경으로 하기 때문에 게임 개발의 실무와 관련된 연구가 필요한 시점이다. 본 논문에서는 DQN을 이용해 3차원 형태의 환경을 구성하고 테니스 게임의 룰을 적용해 Agent가 받을 보상을 구현하였다. 공의 높이를 포함하는 정보를 State에 추가해 학습의 진행 과정을 관찰하였다.
more목차
1. 서론 8
1.1 연구 배경 8
1.2 논문 구성 9
2. 관련 연구 10
2.1 DQN을 이용한 게임 AI 10
2.2 DQN의 성과와 한계 12
3. 적용 알고리즘 15
3.1 Reinforcement Learning 15
3.2 Q-Learning 16
3.3 Deep Q Network 18
3.4 Experience Replay 20
3.5 Target Network 21
3.6 Huber Loss 21
4. 실제 테스트 환경 구축 24
4.1 하드웨어 구성 24
4.2 Atari Gym과 유사한 게임 환경 구성 24
4.3 화면 전처리 및 Action 정의 26
4.4 학습을 위한 Script 구성 29
5. 테스트 및 검증 30
5.1 득점한 경우에 Reward 제시 30
5.2 Receive하는 경우에 소량의 Reward 제시 32
6. 결론 및 향후 연구 35
