Jämförelse mellan neurala nätverk baserad AI och state-of-the-art AI i racing spel
DatavetenskapComputer science - artificial intelligenceSpelutvecklingDigital game developmentArtificial neural networkAnn
Denna rapport jämför prestandan mellan state-of-the-art AI-botar i racing
spelet TORCS och en AI-bot
som kör med hjälp av ett artificiellt neuralt nätverk (ANN-bot). ANN-boten, som
implementerades som
en del av arbetet, använder en feedforward arkitektur och backpropagation för
inlärning. Ett separat
program som användes för att träna det neurala nätverket med träningdata som
spelats in från TORCS
implementerades också. Som state-of-the-art AI-botar användes AI-botar som har
använts i en tävling.
De fyra AI-botarna testades på åtta olika banor och data om hur lång tid varje
varv tog och hur snabbt
AI-botarna körde sparades och sammanställdes. Resultaten visar att på banorna
som ANN-boten klarar
av att köra runt så är ANN-boten snabbare än en den långsamaste
state-of-the-art boten, men ANNboten
klara inte av majoriteten av banorna som den testades på. Anledning till detta
var antagligen brist
på varierande träningsdata.