but.committee	doc. Ing. František Zbořil, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. Matěj Grégr, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Lukáš Kekely, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Jsou akce v rozhraní Simple Football Environment namapovány 1:1 pro Google Football? Jak složité je rozhraní rozšířit na RoboCup? Jak jste dospěl ve funkci odměny ke koeficientům značícím jednotlivé odměny pro akce? Uvažoval jste o zkombinování zmíněných třech funkcí odměny? V jakém složení hrají týmy v testovacích scénářích? Kolik je hráčů na hřišti? Obsahuje váš agent stavy? Proč vaše experimenty končí před "konvergencí"? Je to úmyslně? Jak jste porovnával vašeho agenta s ostatními?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Smrž, Pavel	cs
dc.contributor.author	Brychta, Adam	cs
dc.contributor.referee	Švec, Tomáš	cs
dc.date.created	2020	cs
dc.description.abstract	Tato práce se zabývá vytvořením agenta pro hraní robotického fotbalu. V práci používám metodu hlubokého Q-učení, která využívá hlubokou neuronovou síť. Praktická část práce se zabývá implementací agenta pro posilované učení. Cílem agenta je vybrat nejlepší akci pro daný stav prostředí. Trénování agenta probíhá v různých scénářích situací na hřišti. Výsledek této práce ukazuje přístup k hraní fotbalu pomocí strojového učení.	cs
dc.description.abstract	The aim of this thesis is to create a reinforcement learning agent that is able to play a soccer. I'm working with the deep Q-learning algorithm, which uses deep neural network. The practical part of this work is about implementing the agent for reinforcement learning. The goal of the agent is to choose the best action possible for a given situation. The agent is being trained in a variety of scenarios. The result of this thesis shows an approach to control soccer player using machine learning.	en
dc.description.mark	B	cs
dc.identifier.citation	BRYCHTA, A. Posilované učení pro hraní robotického fotbalu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129182	cs
dc.identifier.uri	http://hdl.handle.net/11012/191537
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	posilované učení	cs
dc.subject	posilované učení pro hraní fotbalu	cs
dc.subject	Q-učení	cs
dc.subject	hluboké Q-učení	cs
dc.subject	dvojité hluboké Q-učení	cs
dc.subject	reinforcement learning	en
dc.subject	reinforcement learning for soccer	en
dc.subject	Q-learning	en
dc.subject	deep Q-learning	en
dc.subject	double deep Q-learning	en
dc.title	Posilované učení pro hraní robotického fotbalu	cs
dc.title.alternative	Reinforcement Learning for Robotic Soccer Playing	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2020-07-13	cs
dcterms.modified	2020-07-13-23:43:55	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129182	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:30:34	en
sync.item.modts	2025.01.15 13:15:35	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Posilované učení pro hraní robotického fotbalu

Files

Original bundle

Collections