Програмне забезпечення системи керування віртуальними об’єктами на основі багатошарових нейромереж

Abstract

У сучасному світі машинного навчання та штучного інтелекту спостерігається значне зростання популярності методів глибокого навчання, які успішно застосовуються для вирішення різноманітних завдань у багатьох галузях. Особливо перспективним є використання нейронних мереж для створення систем автономного керування, здатних адаптуватися до динамічних середовищ та приймати рішення в реальному часі. Одним з актуальних напрямків є розробка інтелектуальних агентів для керування віртуальними об’єктами, що має практичне застосування в ігровій індустрії, симуляційних системах, робототехніці та автономному транспорті. Проблема вибору оптимальної архітектури нейронної мережі залишається відкритим питанням у сфері машинного навчання. Різні конфігурації мереж демонструють різну ефективність залежно від характеру задачі, складності середовища та доступних обчислювальних ресурсів. Систематичне дослідження впливу архітектурних параметрів на продуктивність навчання є важливим для оптимізації процесу розробки інтелектуальних систем. Метою дипломної роботи є розробка програмного забезпечення для створення, навчання та порівняльного аналізу багатошарових нейронних мереж різної архітектури для задачі керування віртуальними об’єктами в симуляційному середовищі. Для досягнення поставленої мети необхідно вирішити наступні завдання: проаналізувати існуючі підходи до навчання агентів для керування віртуальними об’єктами; спроектувати та реалізувати симуляційне середовище на базі Unity; розробити систему для навчання агентів з використанням ML-Agents; реалізувати п’ять різних архітектур нейронних мереж для порівняльного аналізу; провести експериментальні дослідження ефективності різних архітектур; створити інтерактивний інтерфейс для візуалізації результатів та взаємодії з навченими моделями. Об’єктом дослідження є процес навчання багатошарових нейронних мереж для автономного керування віртуальними об’єктами. Предметом дослідження є методи, алгоритми та архітектури нейронних мереж для задач керування віртуальними об’єктами в симуляційному середовищі. Методи дослідження включають аналіз літературних джерел, математичне та комп’ютерне моделювання, методи машинного навчання з підкріпленням, експериментальні дослідження, статистичний аналіз результатів. Наукова новизна роботи полягає в систематичному порівняльному аналізі впливу архітектурних параметрів нейронних мереж на ефективність навчання в контексті задачі автономного керування віртуальними автомобілями. Практична цінність роботи визначається розробленим програмним забезпеченням, яке може використовуватися для навчальних цілей, демонстрації принципів навчання з підкріпленням, а також як основа для подальших досліджень у галузі машинного навчання та автономних систем.