Automatické řízení pro hru Trackmania

Mago, Daniel

Automatické řízení pro hru Trackmania

DSpace Repository

Language: English čeština

Automatické řízení pro hru Trackmania

dc.contributor.advisor	Viktorin, Adam
dc.contributor.author	Mago, Daniel
dc.date.accessioned	2025-06-02T07:19:30Z
dc.date.available	2025-06-02T07:19:30Z
dc.date.issued	2024-10-27
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/56862
dc.description.abstract	Diplomová práca má za cieľ čitateľa oboznámiť s problematikou spätnoväzobého učenia, predstaviť mu úspešné projekty jeho uplatnenia od rôznych vedeckých tímov, a objasniť spôsob fungovania dvoch vybratých populárnych algoritmov - Deep Q-Networks a Soft Actor-Critic. Práca poskytuje detailný popis princípov funkcie týchto algoritmov, ich nedostatky a ako sa im možno vyhnúť, a taktiež podrobne popisuje proces ich praktickej implementácie pre využitie v počítačovej hre Trackmania (2020). V práci sú viaceré návody, ktoré čitateľovi objasnia, ako môže natrénované modely algoritmov otestovať na vlastnom zariadení. Výstupné dáta z trénovaných algoritmov sú zozbierané a následne reprezentované vo viacerých informatívnych grafoch, pre ktoré sú vytvorené aj popisy trendov, ktoré sú na nich viditeľné. V prílohe práce sú manuálne vytvorené vizuálne porovnania efektivity natrénovaných modelov oproti ľudskému výkonu.
dc.format	123 s.
dc.language.iso	sk
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	spätnoväzobné učenie	cs
dc.subject	trackmania	cs
dc.subject	tmrl	cs
dc.subject	sac	cs
dc.subject	dqn	cs
dc.subject	reinforcement learning	en
dc.subject	trackmania	en
dc.subject	tmrl	en
dc.subject	sac	en
dc.subject	dqn	en
dc.title	Automatické řízení pro hru Trackmania
dc.title.alternative	Automated Driving for Trackmania
dc.type	diplomová práce	cs
dc.contributor.referee	Kotyrba, Martin
dc.description.abstract-translated	This diploma thesis aims to familiarize the reader with the topic of reinforcement learning, introduce them to successful projects implementing reinforcement learning made by various research teams as well as shed a light on the inner workings of two selected popular algorithms - Deep Q-Networks and Soft Actor-Critic. The thesis provides detailed descriptions of the core principles of these algorithms, their shortcomings and how to possibly avoid them, and also goes into detail in regards to practically implementing them for use in the videogame Trackmania (2020). This thesis provides various guides meant to explain the process of testing pre-trained models of the aforementioned algorithms for the reader to try on their own computer. The output data produced by the training process of these algorithms has been collected and turned into informative plots, which are accompanied by descriptions of the trends observed in them. The attachments to this thesis contain handmade visual comparisons of the effectiveness of these algorithms when put against an actual human.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Softwarové inženýrství	cs
dc.thesis.degree-discipline	Software Engineering	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Informační technologie	cs
dc.thesis.degree-program	Information Technologies	en
dc.identifier.stag	70116
dc.date.submitted	2025-05-30