Um sistema para o aprendizado automático de jogos eletônicos baseado em redes neurais e Q-Learning usando interface natural

Abstract

Jogos eletrônicos conquistaram espaço no meio acadêmico à medida que se tornaram parte de pesquisas na área de Inteligência Artificial. Nos estágios iniciais, tais jogos são, geralmente, simples e de fácil aprendizado de sua mecânica. Porém, à medida que o jogador avança nos nesses, geralmente se tornam difíceis e complexos, passando a exigir altos níveis de habilidade e/ou raciocínio. Sob a hipótese de que a utilização de técnicas de processamento de sinais de vídeo e treinamento de redes neurais a fim de reconhecer as mecânicas dos jogos levará ao sucesso nesses jogos. Foi desenvolvido um sistema, a partir do algoritmo Q-learning com uso de rede neurais, capaz de aprender o padrão de diferentes jogos, cujo o desenvolvimento é detalhado neste trabalho. O modelo proposto supera abordagem aleatórias em jogos como Galaga, Enduro e Beamrider. Nos jogos Enduro e Beamider o sistema se aproxima do resultados obtidos por projetos feito com acesso à memória do emulador. No entanto, nos jogos Breakout e Pong, devido à falta de precisão do sistema de entrada e aos atrasos do sistema, não houve progresso em relação a um algoritmo que joga aleatoriamente.