Übersicht
Worum es bei diesem Projekt geht.
Baue zwei KI-Agenten für ein Grid-World-Spiel, teste sie in einer Nutzerstudie und erhalte ein verifizierbares Zertifikat.
Das Szenario
Das Studio (12 Personen, früh-finanziert) konkurriert in einem Markt, in dem KI-Begleiter:innen zunehmend zum Differenzierungsmerkmal werden; das Memo soll die Entscheidung für die Architektur des Hauptprodukts informieren.
Das Briefing
Was Du tust und was Du zeigst.
Liefert MAPPO-trainierte Multi-Agenten-KI in einem kooperativen Grid-World-Spiel ein besseres Spielerlebnis als ein gut gemachter Behavior-Tree?
Earning criteria — what you'll demonstrate
- Multi-Agenten-RL (MAPPO) in einem konkreten Game-Kontext anwenden
- Spielerlebnis jenseits von Win-Rate als Bewertungsproblem konzipieren
- Eine kleine Nutzerstudie sauber designen und auswerten
- Eine Design-Empfehlung aus quantitativen + qualitativen Daten ableiten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Multi-Agent Systems
Master · Ai Systems
Strong alignment
This challenge maps to Multi-Agent Systems at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Multi Agent Rl
Apply multi agent rl to solve real industry problems and demonstrate production-level capability.
- Mappo
Apply mappo to solve real industry problems and demonstrate production-level capability.
- User Study
Apply user study to solve real industry problems and demonstrate production-level capability.
- Game Ai
Apply game ai to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Evaluation
Apply evaluation to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Angewandte:r KI-Wissenschaftler:in
Game-AI mit Multi-Agenten-RL und Nutzerstudie ist ein seltenes Profil, das in Game-Studios und in der Robotik-Sim-to-Real-Forschung gleichermaßen gesucht wird.
Dieses Projekt schärft
- multi-agent-rl
- mappo
- user-study
ML-Forscher:in
Wer MAPPO praktisch zum Konvergieren bringt und ehrlich gegen einen Behavior-Tree vergleicht, übt rigorose Methodik, die in Research-Tracks gefragt ist.
Dieses Projekt schärft
- multi-agent-rl
- evaluation
- pytorch
KI-Ingenieur:in
Die Engineering-Disziplin, RL-Modelle ins Spiel zu integrieren und Side-by-Side spielbar zu machen, übersetzt direkt auf jede Anwendung, in der Modelle in eine bestehende Codebasis eingebettet werden.
Dieses Projekt schärft
- game-ai
- pytorch
- evaluation
Noch eine Sache