Luận văn tập trung nghiên cứu các kỹ thuật điều khiển nhân vật tự động trong môi trường thực tại ảo và trò chơi điện tử, nhằm nâng cao tính chân thực và tương tác. Các phương pháp được khảo sát bao gồm máy trạng thái hữu hạn (FSM), cây hành vi (Behavior Tree) và học tăng cường (Reinforcement Learning). Trên cơ sở phân tích ưu nhược điểm của từng kỹ thuật, luận văn đề xuất một mô hình kết hợp linh hoạt giữa cây hành vi và học tăng cường để tối ưu hóa khả năng ra quyết định của nhân vật trong các tình huống phức tạp. Kết quả thực nghiệm cho thấy mô hình đề xuất cải thiện đáng kể hiệu suất phản hồi và giảm chi phí tính toán so với các phương pháp truyền thống. Ứng dụng thực tế của nghiên cứu được minh họa qua hệ thống mô phỏng huấn luyện kỹ năng, khẳng định tiềm năng triển khai trong lĩnh vực giáo dục và giải trí.