메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김찬섭 (홍익대학교) 장시환 (한국전자통신연구원) 양성일 (한국전자통신연구원) 강신진 (홍익대학교)
저널정보
한국게임학회 한국게임학회 논문지 한국게임학회 논문지 제21권 제5호
발행연도
2021.10
수록면
17 - 27 (11page)
DOI
10.7583/JKGS.2021.21.5.17

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2022

강화학습에서 시야 관측변수 차이에 의한 에이전트의 학습 성능 비교
김찬섭 게임학과 2022.01 학위논문

2021

강화학습 에이전트 시야 정보 차이에 의한 학습 성능 비교
김찬섭 ,  장시환 ,  양성일 외 1명 한국게임학회 논문지 2021.10 학술저널

초록· 키워드

오류제보하기
인공지능 스스로가 자신을 발전시켜 최적의 문제 해결 방법을 찾는 강화학습은 여러 분야에서 활용 가치가 높은 기술이다. 특히 게임 분야는 강화학습 인공지능에 문제 해결을 위한 가상환경을 제공할 수 있다는 장점이 있으며 강화학습 에이전트는 주어진 환경에 대한 정보인 관측 변수를 사용하여 자신의 상황과 환경에 대한 정보를 파악하여 환경에 대한 문제를 해결한다. 본 실험에서는 롤플레잉 게임의 인스턴트 던전 환경을 간략화하여 제작하고 에이전트에게 관측변수 중 시야에 관련된 관측변수를 다양하게 설정하였다. 실험 결과 각 설정된 변수들이 학습속도에 얼마나 영향을 주는지를 파악할 수 있었고, 이러한 결과는 롤플레잉 게임 강화학습 연구에 참고할 수 있다.
#Reinforcement learning(강화 학습) #Proximal policy optimization(PPO) #Game agent(게임 에이전트)

목차

요약
ABSTRACT
1. 서론
2. 관련 연구
3. 실험 환경
4. 실험 결과
5. 결론 및 향후 계획
REFERENCES

참고문헌 (15)

참고문헌 신청
Marzian, F. / 2017 / Game RPG “The Royal Sword” Berbasis Desktop Dengan Menggunakan Metode Finite State Machine (FSM) / Jurnal Sistem Informasi 1(2) google schola Silver, D. / 2017 / Mastering the game of go without human knowledge / nature 550(7676):354~359 google schola Teahoon Kim / Implementing Cookie Run AI that is better than me with deep learning and reinforcement learning / slideshare google schola Vinyals, O. / 2019 / Grandmaster level in StarCraft II using multi-agent reinforcement learning / Nature 575(7782):350~354 google schola Sangbin Moon / 2019 / Generation of progamer level Bimu AI using reinforcement learning in Blade and Soul / NDC google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

자율주행을 위한 멀티에이전트 심화 강화학습
이홍석 ,  박은수 ,  김승일 정보과학회 컴퓨팅의 실제 논문지 2018 .12
모방학습 기술 개요 및 동향
최진철 ,  김현석 ,  손영성 정보과학회지 2019 .11
멀티 에이전트 강화학습 연구동향
김성현 ,  이동훈 ,  장인국 외 2명 정보과학회지 2019 .11
역강화학습 알고리즘에 대한 비교 및 분석
유재윤 ,  하헌석 ,  이지훈 외 1명 한국정보과학회 학술발표논문집 2017 .06
강화학습을 적용한 그네 타기 로봇 제어
최호승 ,  박희재 한국생산제조학회 학술발표대회 논문집 2021 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-691-002141909