Συντάχθηκε 18-06-2021 14:44
Τόπος: Η παρουσίαση θα γίνει με τηλεδιάσκεψη
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 22/06/2021 14:00
Λήξη: 22/06/2021 15:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΚΑΠΕΝΕΚΑΚΗΣ ΑΝΘΕΑΣ
θέμα
Διερεύνηση συμπεριφοριστικών και συναισθηματικών μοντέλων μέσω μίμησης και ενισχυτικής μάθησης
Investigating behavioural and affective cloning via imitation and reinforcement learning
Εξεταστική Επιτροπή
Καθηγητής Γαροφαλάκης Μίνως (επιβλέπων)
Αναπληρωτής Καθηγητής Λαγουδάκης Μιχαήλ
Γιαννακάκης Γεώργιος (Univ. of Malta)
Περίληψη
Τα τελευταία χρόνια, η έρευνα της συναισθηματικής εμπειρίας στις αλληλεπιδράσεις μεταξύ υπολογιστών-χρηστών, βιντεοπαιχνιδιών, ακόμη και livestream, γίνεται όλο και πιο επίκαιρη. Η αντικειμενική μέτρηση της συναισθηματικής εμπειρίας ενός κοινού έχει σημαντικές επιπτώσεις στα έσοδα μίας επιχείρησης και στη διατήρηση χρηστών. Ένα πεδίο που είναι σχετικά μη ερευνημένο είναι η μοντελοποίηση των χρηστών σε μία αλληλεπίδραση, ειδικά στο πλαίσιο των βιντεοπαιχνιδιών. Σε αυτή τη διπλωματική, παρουσιάζεται μία διαδικασία για τη δημιουργία ενός συναισθηματικού πράκτορα, η οποία αξιοποιεί συναισθηματικές παρατηρήσεις από χρήστες για να μεταποιήσει τη συμπεριφορά του πράκτορα ως προς την εμφάνιση ενός συγκεκριμένου συναισθήματος, ενώ ο πράκτορας προσπαθεί να ολοκληρώσει ένα στόχο.
Abstract
In recent years, studying affect in computer-user interactions, video games, and even live streams has become increasingly popular. Objectively measuring the emotional experience of an audience has important implications in revenue generation and user retention. What has been relatively unstudied is user modeling by affect, especially in the context of video games. In this thesis, an initial framework and proof-of-concept for creating an affective agent is presented, which leverages user provided annotations to change agent behavior towards displaying a specific emotion, while trying to complete a behavioral objective.
Meeting ID: 961 8089 8457
Password: 897200
