Vorhersagebasierte Suche für autonomes Spielen

Abstract

Lernverfahren befähigen einen Agenten autonom eine für ihn unbekannte Umgebung zu explorieren und ihm gestellte Aufgaben zu erfüllen. Hierbei erlauben Modellbildende Verfahren dem Agenten, ein geistiges Abbild seiner Umgebung zu konstruieren und in diesem das Resultat seiner Handlungen vorherzusehen. Die Konstruktion und Verwendung eines solchen Modells stellt die Schwerpunkte meiner Dissertation dar. Hierfür wird zunächst eine theoretische Grundlage für die Dekomposition von Forward Modellen geschaffen. Darauf basierend werden das Local Forward Model sowie das Object-based Forward Model als effiziente Modellheuristiken abgeleitet. Besonderes Augenmerk wird zudem auf die Modellierung unsicherer Informationen gelegt. Abschließend werden Anwendungen im Bereich der künstlichen Intelligenz in Spielen und der Robotik für die entwickelten Verfahren demonstriert.