Using Bayesian Networks for Modeling Computer Game Agents
Authors
Værge, Andreas S. ; Jarlskov, Henrik
Term
4. term
Education
Publication year
2003
Abstract
I dette projekt undersøger vi, om en AI-agent, der bruger et Bayesiansk netværk – en sandsynlighedsmodel, der beskriver afhængigheder mellem variable – kan forbedre sin præstation ved at forudsige en anden agents adfærd. Vi byggede et lille spil som testmiljø med to simple agenter, som den mere avancerede AI forsøger at forudsige. Vi opstillede Bayesianske netværksmodeller til disse opgaver, trænede dem og målte, hvor godt de lærte og præsterede. Under test fandt vi, at en af modellerne havde svært ved at lære målagentens strategi, og vi analyserer årsagerne til dette. Vi beskriver også vores erfaringer med Bayesianske netværk, sammenligner med andre mulige teknologier og skitserer forslag til fremtidigt arbejde. Samlet set stødte vores tilgang på væsentlige begrænsninger. Den største udfordring var størrelsen af de betingede sandsynlighedstabeller, som modellerne krævede, hvilket gjorde læringen ineffektiv og hæmmede agentens mulighed for at forbedre sig.
This project examines whether an AI agent that uses a Bayesian Network—a probabilistic model that represents dependencies between variables—can improve its performance by predicting another agent’s behavior. We built a small game as a testbed with two simple agents that the more advanced AI tries to predict. We designed Bayesian Network models for these prediction tasks, trained them, and evaluated how well they learned and performed. During testing, one model struggled to learn the target agent’s strategy, and we analyze the reasons for this. We also reflect on our experience with Bayesian Networks, compare them with other possible technologies, and outline ideas for future work. Overall, the approach faced important limitations. The main issue was the large size of the conditional probability tables required by the models, which made learning inefficient and limited the agent’s ability to improve.
[This abstract was generated with the help of AI]
Documents