You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
45 lines
3.4 KiB
45 lines
3.4 KiB
# Treinamento do Carro na Montanha
|
|
|
|
[OpenAI Gym](http://gym.openai.com) foi projetado de tal forma que todos os ambientes fornecem a mesma API - ou seja, os mesmos métodos `reset`, `step` e `render`, e as mesmas abstrações de **espaço de ação** e **espaço de observação**. Assim, deve ser possível adaptar os mesmos algoritmos de aprendizado por reforço para diferentes ambientes com mínimas alterações no código.
|
|
|
|
## Um Ambiente de Carro na Montanha
|
|
|
|
O [ambiente do Carro na Montanha](https://gym.openai.com/envs/MountainCar-v0/) contém um carro preso em um vale:
|
|
Você está treinado em dados até outubro de 2023.
|
|
|
|
O objetivo é sair do vale e capturar a bandeira, realizando em cada passo uma das seguintes ações:
|
|
|
|
| Valor | Significado |
|
|
|---|---|
|
|
| 0 | Acelerar para a esquerda |
|
|
| 1 | Não acelerar |
|
|
| 2 | Acelerar para a direita |
|
|
|
|
O principal truque deste problema é, no entanto, que o motor do carro não é forte o suficiente para escalar a montanha em uma única passada. Portanto, a única maneira de ter sucesso é dirigir para frente e para trás para ganhar impulso.
|
|
|
|
O espaço de observação consiste em apenas dois valores:
|
|
|
|
| Num | Observação | Mín | Máx |
|
|
|-----|--------------|-----|-----|
|
|
| 0 | Posição do Carro | -1.2| 0.6 |
|
|
| 1 | Velocidade do Carro | -0.07 | 0.07 |
|
|
|
|
O sistema de recompensas para o carro na montanha é bastante complicado:
|
|
|
|
* Uma recompensa de 0 é concedida se o agente alcançar a bandeira (posição = 0.5) no topo da montanha.
|
|
* Uma recompensa de -1 é concedida se a posição do agente for menor que 0.5.
|
|
|
|
O episódio termina se a posição do carro for superior a 0.5, ou se a duração do episódio for maior que 200.
|
|
## Instruções
|
|
|
|
Adapte nosso algoritmo de aprendizado por reforço para resolver o problema do carro na montanha. Comece com o código existente do [notebook.ipynb](../../../../8-Reinforcement/2-Gym/notebook.ipynb), substitua o novo ambiente, altere as funções de discretização de estado e tente fazer o algoritmo existente treinar com mínimas modificações no código. Otimize o resultado ajustando os hiperparâmetros.
|
|
|
|
> **Nota**: O ajuste dos hiperparâmetros provavelmente será necessário para fazer o algoritmo convergir.
|
|
## Rubrica
|
|
|
|
| Critério | Exemplar | Adequado | Necessita Melhorar |
|
|
| -------- | --------- | -------- | ----------------- |
|
|
| | O algoritmo Q-Learning é adaptado com sucesso do exemplo CartPole, com mínimas modificações no código, sendo capaz de resolver o problema de capturar a bandeira em menos de 200 passos. | Um novo algoritmo Q-Learning foi adotado da Internet, mas está bem documentado; ou um algoritmo existente foi adotado, mas não alcança os resultados desejados. | O aluno não conseguiu adotar nenhum algoritmo com sucesso, mas fez passos substanciais em direção à solução (implementou discretização de estado, estrutura de dados Q-Table, etc.) |
|
|
|
|
**Aviso Legal**:
|
|
Este documento foi traduzido utilizando serviços de tradução automática baseados em IA. Embora nos esforcemos pela precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional por um humano. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações errôneas resultantes do uso desta tradução. |