ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Éthique et Intelligence Artificielle
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 23/2-3 - 2009  - pp.221-251
TITRE
Apprentissage par renforcement factorisé pour le comportement de personnages non joueurs

TITLE
Learning factored MDPs in reinforcement learning for non player characters in video games

RÉSUMÉ
Dans cet article, nous appliquons une méthode générale d'apprentissage par renforcement pour la mise au point automatique de comportements de personnages non joueurs d'un jeu vidéo de tir à la première personne, Counter-Strike©. Le résultat de l'apprentissage est un ensemble d'arbres de décision représentant de façon lisible un modèle du problème et la politique de décision des personnages. Enfin, nous discutons de la portée de notre méthode pour la réalisation d'architectures de décision pour les personnages non joueurs de jeux vidéo.


ABSTRACT
In this paper, we apply a general reinforcement learning method to automatically design the behavior of non player characters of the Counter-Strike© first person shooter computer game. The result of the learning process is a set of decision trees that represents compactly and easily readable a model of the problem itself and the decision policy of characters. Beyond this example, we discuss the potential benefits of our method to design the decision architecture of non player characters in commercial computer games.


AUTEUR(S)
Thomas DEGRIS, Olivier SIGAUD, Pierre-Henri WUILLEMIN

MOTS-CLÉS
apprentissage par renforcement, factorisation, personnages non joueurs.

KEYWORDS
reinforcement learning, factorization, non player characters.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (2,86 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier