Apprentissage du moteur de jeu à partir de la vidéo

Les agents intelligents doivent être capables de faire des prédictions sur leur environnement. Dans ce travail, nous présentons une nouvelle approche pour apprendre un modèle de simulation avant via une recherche simple sur l'entrée des pixels. Nous utilisons un jeu vidéo, Super Mario Bros, comme test initial de notre approche, car il représente un système physique nettement moins complexe que la réalité. Nous démontrons l'amélioration significative de notre approche dans la prédiction des états futurs par rapport à un CNN de base et nous appliquons le modèle appris pour former un agent de jeu. Ainsi, nous évaluons l'algorithme en termes de précision et de valeur de son modèle de sortie.

Remerciements
Nous remercions vivement la NSF pour le soutien apporté à cette recherche dans le cadre de la bourse NSF 1525967. Nous remercions tout particulièrement Brent Harrison pour ses conseils et ses commentaires sur le projet. Ce document contient des images générées par le jeu Infinite Mario Bros.