PASTUŠEK, V. Optimalizace řízení s pomocí zpětnovazebního učení na platformě Robocode [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
Diplomová práce se zaměřila na optimalizaci řízení robotů pomocí zpětnovazebního učení v prostředí Robocode, a to prostřednictvím rešerše aktuálního stavu vědy a techniky včetně algoritmů Q-learning a Deep Q Networks. Práce splnila stanovené cíle a přinesla následující výsledky: 1. Rešerše současného stavu: Autor provedl důkladnou a dobře strukturovanou rešerši, která pokrývá nejnovější poznatky a technologie v oblasti zpětnovazebního učení. Tento teoretický základ je pevný a poskytuje potřebný kontext pro další praktickou část práce. 2. Vytvoření datové množiny: Byla vytvořena kvalitní trénovací a testovací datová množina simulací bojových robotů v prostředí Robocode. Autor využil realistické scénáře, které dobře reflektují reálné podmínky a poskytují dostatečný počet dat pro trénink algoritmů. 3. Návrh a implementace metod: Autor navrhl několik metod založených na různých strategiích zpětnovazebního učení. Tyto metody byly pečlivě implementovány a optimalizovány pro konkrétní úlohy, jako je vyhýbání se nepřátelům, cílení a střelba. 4. Srovnání a diskuze výsledků: Navržené metody byly vhodným způsobem srovnány. Autor provedl detailní analýzu dosažených výsledků, identifikoval silné a slabé stránky jednotlivých přístupů, také navrhl doporučení pro jejich další zlepšení. Celkově lze práci hodnotit jako kvalitní a oceňuji, že se velmi dobře zorientoval v poměrně složitém ekosystému.
Student se zabývá aktuálním tématem týkajícího se optimalizace řízení robotů pomocí zpětnovazebního učení v prostředí Robocode. Student provedl rešerši aktuálního stavu vědy a techniky a popsal vybrané algoritmy. Práce s literaturou je na nižší úrovni, jelikož se student opírá o neodborné zdroje jako Wikipedia a GeeksforGeeks. Text práce obsahuje překlepy, pravopisné chyby, použití nevhodné terminologie a stylistické nedostatky. Přestože student v tabulkách správně používá čárku pro oddělení desetinných míst, v grafech nesprávně používá tečku. Obrázky jsou prezentovány v rastrové grafice, což snižuje vizuální kvalitu práce. Prezentované grafy výsledků jsou taktéž vloženy v rastrové grafice, ačkoli je má student uloženy ve vektorové grafice v Git repositáři. Struktura textu někdy působí nejasně. Po formální stránce je práce na nízké úrovni, ale její kvalita je zvýšena praktickou částí. Student úspěšně dosáhl snížení latence v komunikaci mezi procesy běžícími v jazycích Java a Python a prozkoumal dopady změn v architektuře neuronových sítí a jejich parametrů na výkonnost robotů. Každý z těchto experimentů je popsán a dosažené výsledky jsou vhodně prezentovány. V práci také nechybí přehled možných vylepšení představené implementace. Student se musel zorientovat v poměrně složitém tématu. Bohužel je celková kvalita diplomové práce výrazně snížena textovou částí. Z výše uvedených důvodů navrhuji hodnocení C/77 b.
eVSKP id 159155