Програмний модуль адаптивної поведінки суперника в комп’ютерній грі з використанням штучного інтелекту

Abstract

Метою роботи є розробка програмного модуля адаптивної поведінки супротивника в комп’ютерній грі з використанням методів машинного навчання, зокрема алгоритму навчання з підкріпленням PPO (Proximal Policy Optimization). У роботі використано технології ігрового рушія Unreal Engine 5.4.4, плагін Learning Agents та Blueprint-візуальне програмування. Реалізовано повноцінний цикл самонавчання NPC: збір спостережень, виконання дій, нарахування винагород і оновлення політики через нейронну мережу. Розроблено дві команди агентів з різними можливостями керування, створено систему винагород, визначено простір спостережень та дій. Проведено серію симуляцій та експериментів для порівняння ефективності навчання. Результати показали перевагу агентів із повним контролем (рух, поворот, стрільба) над тими, чия стрільба реалізована автоматично. Модуль демонструє стабільну динаміку навчання, гнучкість архітектури та придатність до масштабування. Розроблена система має практичну цінність для створення інтелектуальних супротивників у відеоіграх, досліджень в галузі навчання з підкріпленням та застосування нейронних мереж у симуляційних середовищах.