Resumen

Este artículo aborda una nueva estrategia de comportamiento basada en aprendizaje automático utilizando el algoritmo de deep Q-learning para la plataforma de simulación RoboCode. Según esta estrategia, se propone un nuevo modelo para la plataforma RoboCode, proporcionando un entorno para robots simulados que pueden ser programados para luchar contra otros robots. En comparación con los Juegos de Atari, RoboCode tiene un conjunto bastante amplio de acciones y situaciones. Debido a los desafíos de entrenar un modelo de CNN para un problema de espacio de acción continuo como este, las entradas obtenidas del entorno de simulación se generaron dinámicamente, y el modelo propuesto fue entrenado utilizando estas entradas. El modelo entrenado luchó contra los robots rivales predefinidos del entorno (robots estándar) beneficiándose acumulativamente de la experiencia de estos robots. La comparación entre el modelo propuesto y los robots estándar de la plataforma RoboCode fue verificada estadísticamente. Finalmente, el rendimiento del modelo propuesto se comparó con robots personalizados basados en aprendizaje automático

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Aprendizaje automático; Algoritmo de aprendizaje profundo Q-learning; Plataforma de simulación RoboCode; Modelo; Robots; Entorno
• Keywords:Machine learning; Deep Q-learning algorithm; RoboCode simulation platform; Model; Robots; Environment