| Resumen |
En este artículo se presenta un esquema de aprendizaje híbrido, que busca dividir el problema de aprendizaje para un equipo de agentes jugadores de videojuegos del genero Multiplayer Online Battle Arena (MOBA). Este esquema se basa en un análisis por módulos de la tarea colaborativa, la cual se descompone en situaciones de juego. Hacer el análisis a nivel de situación de juego permite dividir el problema de aprender un comportamiento colaborativo del equipo de agentes en distintas sub-tareas de aprendizaje, donde la solución a cada una de ellas requiere de un enfoque específico, ya sea supervisado, no supervisado o reforzado, que se adecue mejor a la estructura de los datos en dicha sub-tarea. Este nuevo esquema de aprendizaje híbrido debería de sentar las bases para entrenar un equipo de agentes jugadores de videojuegos MOBA capaces de resolver una misma situacion de juego para múltiples videojuegos del géenero. |
