Implementación de inteligencia artificial basada en aprendizaje por refuerzo enfocada a videojuegos de pelea

Abstract

Hoy en día los videojuegos competitivos son una industria millonaria. Un subgénero de estos videojuegos es el de los de pelea, estos juegos se basan en enfrentamientos uno contra uno entre dos jugadores. Cuando se juega en el modo de un jugador, existe la posibilidad de jugar contra un oponente programado en el videojuego. En este trabajo nos enfocamos en la técnica de aprendizaje automático conocida como aprendizaje por refuerzo, esta consiste en la creación de oponentes que aprenden en base a prueba y error en un ambiente, en este caso el videojuego. El agente obtiene recompensas en base a sus acciones. Nuestros resultados muestran que un modelo de aprendizaje por refuerzo puede crear oponentes diferentes en cuanto a su toma de decisiones. Esto se logró al cambiar el esquema de recompensas para el aprendizaje

In recent years the competitive videogame industry has reached millions in revenue. A subgenre in these games are the fighting ones. Fighting videogames mostly consist in one on one combats between two players. When these games are played in single player mode, the human player has to fight against an opponent created in the game. In this document we focus on the machine learning technique known as reinforcement learning, which is based on the creation of opponents that learn by trial and error in an environment, in this case a videogame. The agent gets rewards based on its actions. Our results show that a reinforcement learning model can create different agents because their decision making was different. This was achieved by changing the reward scheme when learning