Open Access

Die Hochschule Offenburg nimmt jedes Jahr mit dem Team magmaOffenburg am RoboCup teil. Hierbei tritt das Offenburger Team in der 3D-Simulationsliga gegen Teams aus der ganzen Welt im Fußball mit autonomen Robotern an. Nun soll der Torwart von Team magmaOffenburg mit Hilfe von Deep Reinforcement Learning verbessert werden. Hierfür wird der Algorithmus PPO unter der Nutzung der RL-X Bibliothek verwendet. Im Laufe dieser Arbeit werden mehrere Versuche durchgeführt, bei denen Modelle für Torwartbewegungen entstehen. Eine dieser Bewegungen kann auf einem sehr schwer abzusichernden Bereich des Tors, in welchem der bisherige Torwart nur 5 Prozent der Bälle halten konnte, nun 36 Prozent der Bälle halten. Diese Arbeit erläutert des Weiteren die Integration dieses Modells für den Torwart in das Spiel von Team magmaOffenburg. Hierbei konnte beim Testen gegen das eigene, vorherige Team eine Reduktion von durchschnittlich 0,135 Gegentoren pro Spiel erreicht werden. Schlussendlich befasst sich diese Arbeit auch noch mit dem Weitertrainieren dieses Modells auf einem erweiterten Torbereich per Curriculum, um die Entscheidungslogik des Torwarts teilweise in das gelernte Modell zu integrieren. Hierdurch konnten in einer Spielserie jedoch nur minimal bessere Ergebnisse von 0,08 Gegentoren weniger als beim bisherigen Torwart erzielt werden.