Non Player Character Behavior Training In Game Using Reinforcement Learning

Abstract

วีดิโอเกมเป็นสื่อบันเทิงรูปแบบหนึ่งที่มีมูลค่าเพิ่มสูงขึ้นอย่างต่อเนื่อง มีการนําเทคโนโลยีที่ ซับซ้อนเพื่อความท้าทายให้กับผู้เล่น เช่น เทคโนโลยีปัญญาประดิษฐ์ เป็นต้น ในปี พ.ศ.2556 (ค.ศ.2013) บริษัท DeepMind ได้สร้างอัลกอริทึม Deep-Q Learning สําหรับวิธีการเรียนรู้แบบเสริมกําลัง (Reinforcement Learning) เพื่อนํามาทดสอบกับเกมของเครื่อง Atari 2600 ซึ่งมีผลคะแนนการเล่นเกมสูง กว่าความสามารถของการเล่นเฉลี่ยโดยมนุษย์ ซึ่งถือเป็นจุดเริ่มต้นของการนําการเรียนรู้แบบเสริมกําลังมา ใช้ในการฝึกคอมพิวเตอร์ให้เล่นเกม ผู้จัดทํามีความต้องการ ทดสอบและวิเคราะห์ผลการนําวิธีการเรียนรู้แบบเสริมกําลังโดยใช้ วีดิโอเกมซึ่งมีความละเอียดของภาพและมีความซับซ้อนของการเล่นไม่สูงเนื่องจากข้อจํากัดด้านทรัพยากร เพื่อทําการเปรียบเทียบความสามารถอัลกอริทึมต่าง ๆ เช่น Deep Q Network, Double Deep Q Network และ Dueling Deep Q Network ในการสอนให้คอมพิวเตอร์เรียนรู้และสามารถเล่นได้ด้วยตัวเอง