Le reinforcement learning (RL) est une sous-branche de l'IA qui permet aux machines d'interagir avec leur environnement. AlphaGo, AlphaStar et la grande majorité des nouvelles IA qui battent des records inédits dans les jeux contre des humains fait parti de cette catégorie.

Nous proposons ici une IA qui joue au jeu multi-joueur local gratuit EggNogg. L'IA utilise de nouvelles techniques pour apprendre telles que le self-play pour s'améliorer et éventuellement dépasser les performances humaines. Nous utilisons aussi un algorithme qui est à l'état de l'art pour le reinforcement learning.

Une grande difficulté du RL est la quantité d'itérations et d'informations nécessaires pour pouvoir évaluer ou interprèter une situation correctement et ainsi obtenir un bon résultat. C'est pourquoi une partie du travail a été de rendre possible l'extraction d'informations sur l'état du jeu pendant son exécution.

En effet, ce jeu n'étant pas open-source, la seule source d'informations auquel a accès le joueur est l'image du jeu affichée sur l'écran.

Il a donc été nécessaire de reverse le jeu, afin de comprendre son fonctionnement interne, et ensuite de le modifier pour pouvoir y insérer du code de notre conception (sous forme d'une librairie dédiée, et de fonctions hookées), permettant ainsi d'obtenir les informations souhaitées à l'exécution (position des personnages, vie des personnages, armes des personnages etc.).