3.6 KiB
Treinar Carro na Montanha
OpenAI Gym foi projetado de 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 aprendizagem por reforço a diferentes ambientes com mudanças mínimas no código.
Um Ambiente de Carro na Montanha
O ambiente Mountain Car contém um carro preso num vale:
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, no entanto, é que o motor do carro não é forte o suficiente para escalar a montanha numa única tentativa. 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 | Min | Max |
|---|---|---|---|
| 0 | Posição do carro | -1.2 | 0.6 |
| 1 | Velocidade do carro | -0.07 | 0.07 |
O sistema de recompensa para o carro na montanha é bastante peculiar:
- Uma recompensa de 0 é atribuída se o agente alcançar a bandeira (posição = 0.5) no topo da montanha.
- Uma recompensa de -1 é atribuída se a posição do agente for menor que 0.5.
O episódio termina se a posição do carro for maior que 0.5 ou se o comprimento do episódio for superior a 200.
Instruções
Adapte o nosso algoritmo de aprendizagem por reforço para resolver o problema do carro na montanha. Comece com o código existente no notebook.ipynb, substitua o ambiente, altere as funções de discretização de estado e tente fazer o algoritmo existente treinar com modificações mínimas no código. Otimize o resultado ajustando os hiperparâmetros.
Nota: É provável que seja necessário ajustar os hiperparâmetros para que o algoritmo converja.
Rubrica
| Critério | Exemplar | Adequado | Necessita Melhorias |
|---|---|---|---|
| O algoritmo de Q-Learning foi adaptado com sucesso a partir do exemplo CartPole, com modificações mínimas no código, sendo capaz de resolver o problema de capturar a bandeira em menos de 200 passos. | Um novo algoritmo de Q-Learning foi adotado da Internet, mas está bem documentado; ou o algoritmo existente foi adotado, mas não alcança os resultados desejados. | O estudante não conseguiu adotar nenhum algoritmo com sucesso, mas deu passos substanciais em direção à solução (implementou discretização de estado, estrutura de dados da Q-Table, etc.) |
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original no seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas resultantes do uso desta tradução.