Entrenamiento de jugadores virtuales de pádel mediante aprendizaje por refuerzo profundo
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
En este trabajo de fin de grado se investiga el uso de aprendizaje por refuerzo para entrenar agentes capaces de jugar al pádel dentro de un entorno de simulación desarrollado en Unity e integrado con ML-Agents. El objetivo es que los jugadores virtuales aprendan comportamientos y tácticas realistas. El sistema se apoya en una arquitectura modular que gestiona la física, las reglas y la puntuación. Además, introduce mecanismos de coordinación táctica basados en roles dinámicos y predicción de trayectorias para estimar zonas alcanzables y posiciones de juego relevantes. Se estudian algoritmos y técnicas como PPO y self-play para lograr comportamientos competitivos y mejorar la coordinación entre compañeros. Se proponen mejoras en el diseño de recompensas, combinando la señal final del punto con incentivos intermedios cuya influencia disminuye progresivamente para que el aprendizaje se centre en ganar el punto. Por último, se amplía el horizonte temporal efectivo mediante una lógica basada en eventos relevantes del juego, sincronizando las decisiones con cambios significativos del estado y evitando acciones redundantes a nivel de fotograma.
Fields of Study & Subjects
Reinforcement Learning in Robotics
Artificial Intelligence in Games
Artificial Intelligence Applications
Publication details
- Journal / source
- UPCommons institutional repository (Universitat Politècnica de Catalunya)
- Publication date
- 22 January 2026
- Language
- ES
- Document type
- Thesis