Koneoppimisen hyödyntäminen Unity-pelimoottorissa

Abstract

Työn avulla pyritään antamaan lukijalle tiivis tietopaketti koneoppimisesta ja sen hyödyntämisestä pelikehityksessä Unity-pelimoottorissa. Tarkoitus on antaa käytännön ohjeistusta koneoppimisen hyödyntämiseen soveltuvista työmenetelmistä ja työkaluista sekä riittävä teoriapohja koneoppimisen toiminnasta kokonaisuuden tukemiseksi. Työn teoriapuoli painottuu koneoppimisen perusteiden tutkimiseen ja eri koneoppimisen menetelmien esittelyyn ja arviointiin pelikehityksen näkökulmasta. Työssä perehdytään erityisesti Unityn ML-Agentskirjaston toimintaan, ja sen hyödyntämiseen pelin tekoälyn kehityksessä. Työssä tutkitaan ML-Agents-ympäristön toimintatapoja, oppimisagenttien ominaisuuksia ja yleisiä kompastuskiviä koneoppimisagenttien toteuttamisessa. Työssä käydään läpi ML-Agents-koneoppimisagenttien suunnittelemisen ja kehittämisen menetelmiä, jotka muodostavat yhtenäisen työprosessin koneoppimista hyödyntävien tekoälyagenttien valmistamisessa. Teorian tutkimisen jälkeen seuraa käytännön osio, jossa tutkittuja periaatteita ja työkaluja sovelletaan yksinkertaisten pelidemojen luomiseen. Pelidemot havainnollistavat konkreettisemmin koneoppimisen käyttöön liittyvää työprosessia ja koneoppimisella saavutettavia tuloksia. Pelidemojen kehitysprosessi dokumentoidaan käyden läpi kunkin koneoppimisagentin ominaisuudet sekä agentin kehityksen tärkeimmät tavoitteet ja haasteet. Agenttien kehityksessä kohdattujen haasteiden yhteydessä dokumentoidaan myös menetelmät, joilla ongelmat ratkaistiin. Erityistä huomiota kiinnitetään kehitettyjen koneoppimisagenttien havaintojen suhteuttamiseen ja normalisointiin, sillä niiden koetaan vaikuttavan merkittävästi agenttien oppimistahtiin ja opitun käytöksen laatuun. Työ antaa kattavan yleiskuvan koneoppimisagenttien toiminnasta ja tarjoaa käytännönläheisiä neuvoja koneoppimisagenttien kehittämisestä ML-Agents-ympäristössä.