서울대학교 빅데이터 지식정보플랫폼
전체 메뉴
AI 검색
최근 확인한 콘텐츠
1건 더보기
loading...
반출리포트 생성
논문 목록
Unity ML-Agents 기반의 목표 추적 인공지능 성능 분석
저자
김덕형, 정현준
학술지명
한국정보기술학회논문지
출판/발행연도
2021
주제
요약
본 연구는 Unity ML-Agents를 활용하여 강화학습 기반 목표 추적 인공지능을 구현하고, 기존 NavMeshAgent 방식과 성능을 비교 분석합니다. 강화학습은 에이전트가 게임 환경에서 스스로 학습하여 인공지능을 구현하는 방법으로, 복잡한 AI 구현에 용이합니다. 실험 결과, 강화학습 기반 목표 추적 인공지능의 성능을 NavMeshAgent와 비교하여 분석합니다.
학술지 영향력
[한국정보기술학회논문지]
- KCI
- 0.63
연관 콘텐츠
LikeSNU에서 의미기반으로 분석하여 연관된 자료를 추천해드립니다.
-
텐서플로와 유니티 ML-Agents로 배우는 강화학습 : 다섯 가지 게임을 제작하며 살펴보는 심층강화학습
-
파이토치와 유니티 ML-Agents로 배우는 강화학습 : 다양한 게임을 제작하며 배우는 심층강화학습
-
파이토치와 유니티 ML-Agents로 배우는 강화학습 : 멀티에이전트, 커리큘럼 학습, 분산학습, 어려운 탐험환경까지 직접 만들면서 배우는 강화학습 알고리즘.
-
파이토치와 유니티 ML-Agents로 배우는 강화학습 다양한 게임을 제작하며 배우는 심층강화학습 /
-
Recent Advances in Reinforcement Learning
-
재미나는 생각, AI와 게임 : AI와 나 그리고 게임
-
(Do it!) 강화 학습 입문 : GPT-2부터 자동 신경망 구성까지
-
강화학습 첫걸음 : 텐서플로로 살펴보는 Q 러닝, MDP, DQN, A3C 강화학습 알고리즘
-
Reinforcement learning : an introduction
-
Statistical reinforcement learning : modern machine learning approaches
-
Deep learning with Keras : implement neural networks with Keras on Theano and TensorFlow
-
파이썬 기반 강화학습 알고리듬 : DP, Q-Learning, AC, DQN, TRPO, PPO, DDPG, TD3, Imitation Learning, ESBAS 알아보기
-
파이썬과 케라스로 배우는 강화학습 내 손으로 직접 구현하는 게임 인공지능 /
-
Reinforcement learning : an introduction
-
레트로의 유니티 프로그래밍 에센스 : C#으로 배우는 입문부터 4가지 게임 제작까지
-
심층 강화학습 인 액션 : 기본 개념부터 파이썬 기반의 최신 알고리즘 구현까지
-
Reinforcement learning and optimal control
-
Deep reinforcement learning : frontiers of artificial intelligence
-
Reinforcement learning : with Open AI, TensorFlow and Keras using Python
-
Foundations of deep reinforcement learning : theory and practice in Python
이전
다음
이전
다음
이전
다음