Universidade Federal do Ceará
Mestrado e Doutorado em Ciências da Computação

Título: Treinando Agentes de Forrageamento Multissensoriais usando Currículo

Data: 29/11/2024
Horário: 14h00
Local: Sala de Seminários – Bloco 952

Resumo:

O Aprendizado por Reforço Profundo, do inglês Deep Reinforcement Learning tem demonstrado grande sucesso no desenvolvimento de agentes capazes de resolver tarefas complexas em jogos. No entanto, a maioria dos agentes de jogos utiliza apenas sensores visuais para coletar informações sobre o ambiente. Trabalhos mais recentes mostraram que agentes que utilizam sensores auditivos podem ter um desempenho superior em comparação com agentes que dependem apenas da visão. Neste trabalho, avalia-se a capacidade de utilizar múltiplos sensores em uma tarefa de forrageamento. Também é proposta uma estratégia de treinamento baseada em currículo para desenvolver agentes que utilizam o áudio de forma eficaz como fonte de informação em cenários de forrageamento. Primeiramente, demonstra-se que agentes com capacidades visuais e auditivas apresentam um desempenho semelhante ao de agentes com apenas sensor visual, indicando que os primeiros ignoram o áudio. Em seguida, é mostrado que, ao utilizar um currículo de dificuldade gradualmente crescente, o agente consegue usar de forma competente as informações auditivas disponíveis, tornando-se mais robusto para sobreviver em cenários onde as informações visuais não estão disponíveis. Os resultados indicam que agentes podem ser treinados para utilizar o áudio como uma fonte de informação de forma eficaz, utilizando uma estratégia de treinamento baseada em currículo, melhorando assim sua capacidade de lidar com tarefas mais variadas em comparação com agentes que possuem apenas visão.

Banca examinadora: