Інтелектуальна система супроводу об'єкта в 3D-середовищі на базі Unity та нейронних мереж

Abstract

Кваліфікаційна робота присвячена розробці та програмній реалізації інтелектуальної системи супроводу об’єкта у тривимірному середовищі на базі рушія Unity з використанням нейронних мереж і методів навчання з підкріпленням. Запропонована система забезпечує автономне відстеження рухомої цілі, адаптивну поведінку агента та ефективну роботу в умовах динамічної зміни просторової конфігурації середовища. Застосування підходів глибинного навчання дозволяє вирішити актуальну проблему створення гнучких і стійких систем супроводу без необхідності ручного проєктування складних алгоритмів керування. Об’єкт дослідження – процес супроводу рухомого об’єкта у тривимірному віртуальному середовищі. Предмет дослідження – нейромережеві методи формування поведінки інтелектуального агента та програмні засоби їх реалізації в середовищі Unity. Мета дослідження – розробка та дослідження інтелектуальної системи супроводу об’єкта в 3D-середовищі з використанням Unity та алгоритмів глибинного навчання з підкріпленням з метою підвищення точності, адаптивності та стійкості поведінки агента. Кваліфікаційна робота складається зі вступу, чотирьох розділів, висновків та додатків. У першому розділі проаналізовано сучасний стан задачі супроводу об’єктів у тривимірних середовищах, розглянуто класичні та нейромережеві підходи до відстеження цілей, а також виконано огляд існуючих наукових досліджень і програмних рішень. У другому розділі розглянуто архітектуру інтелектуальної системи супроводу, описано структуру агента, сенсорні підсистеми, простір станів і дій, а також обґрунтовано вибір алгоритму Proximal Policy Optimization та фреймворку Unity ML-Agents. У третьому розділі описано створення тривимірного симульованого середовища, реалізацію агента супроводу, процес навчання нейронної моделі, підбір гіперпараметрів та аналіз поведінки агента під час тестування. У четвертому розділі наведено результати експериментальних досліджень, оцінено ефективність роботи системи в середовищах різної складності, а також описано створені лабораторні роботи, які можуть бути використані у навчальному процесі. У результаті виконання кваліфікаційної роботи розроблено інтелектуальну систему супроводу об’єкта в тривимірному середовищі, яка використовує дані 3D-сцени та нейронну політику для забезпечення точного і стабільного відстеження цілі в реальному часі. Кваліфікаційна робота містить 96 сторінок, ілюстрації, таблицю, додатки та посилання на використані джерела. The qualification thesis is devoted to the development and software implementation of an intelligent object tracking system in a three-dimensional environment based on the Unity engine using neural networks and reinforcement learning methods. The proposed system provides autonomous tracking of a moving target, adaptive agent behavior, and efficient operation under conditions of dynamically changing spatial configurations of the environment. The application of deep learning approaches makes it possible to address the relevant problem of creating flexible and robust tracking systems without the need for manual design of complex control algorithms. The object of the research is the process of tracking a moving object in a three-dimensional virtual environment. The subject of the research is neural network–based methods for shaping the behavior of an intelligent agent and software tools for their implementation within the Unity environment. The purpose of the research is to develop and study an intelligent object tracking system in a 3D environment using Unity and deep reinforcement learning algorithms in order to improve the accuracy, adaptability, and stability of the agent’s behavior. The qualification thesis consists of an introduction, four chapters, conclusions, and appendices. The first chapter analyzes the current state of object tracking tasks in three-dimensional environments, examines classical and neural network–based approaches to target tracking, and reviews existing scientific research and software solutions. The second chapter considers the architecture of the intelligent tracking system, describes the agent structure, sensor subsystems, state and action spaces, and justifies the selection of the Proximal Policy Optimization algorithm and the Unity ML-Agents framework. The third chapter describes the development of a three-dimensional simulated environment, the implementation of the tracking agent, the neural model training process, hyperparameter tuning, and the analysis of agent behavior during testing. The fourth chapter presents the results of experimental studies, evaluates the system’s performance in environments of varying complexity, and describes the developed laboratory works that can be used in the educational process. As a result of the qualification thesis, an intelligent object tracking system in a three-dimensional environment was developed, which uses 3D scene data and a neural policy to ensure accurate and stable real-time target tracking. The qualification thesis contains 96 pages, illustrations, a table, appendices, and references to the sources used.