Reinforcement learning

RL Lab

Tulis reward dan agen dalam Python, latih langsung di browser, lalu putar ulang episodenya dalam 3D. Geser timeline ke detik mana pun untuk melihat apa yang dilihat agen, aksi yang dipilihnya, dan dari baris reward mana nilainya datang. Semua berjalan lokal: fisika ditulis dengan NumPy (minirl), jaringan sarafnya memakai minitorch.

Lab 3D

0/6 target tercapai

Lab 1R1 · MDP, return & banditBandit: eksplorasi vs eksploitasiDelapan mesin slot dengan hadiah rata-rata tersembunyi. Bandingkan strategi serakah, ε-greedy, dan UCB.Target: UCB memilih lengan terbaik ≥ 80% waktu Lab 2R2 · TD & Q-learningGridWorld: Q-learningAgen mencari jalan ke tujuan di danau berlubang. Lihat tabel Q terisi dan panah kebijakan muncul episode demi episode.Target: return rata-rata ≥ 0,8 Lab 3R4 · actor-critic & PPOCart-pole: PID vs REINFORCE vs PPOSeimbangkan tiang di atas kereta pada rel 1,3 m. Bandingkan pengendali buatan tangan dengan agen yang belajar sendiri, lalu coba reward yang 'bocor'.Target: rata-rata ≥ 450 langkah tegak (9 detik)Lab 4R5 · kontrol kontinu & robotPendulum: ayun ke atas dengan aksi kontinuMotor terlalu lemah untuk langsung mengangkat beban. Agen harus menemukan sendiri strategi mengayun, lalu menahannya di atas.Target: ≥ 90% episode berakhir tegak Lab 5R5 · kontrol kontinu & robotBola di pelat: reward shaping & keterlambatanMiringkan pelat untuk menggulirkan bola ke titik merah. Aksi baru terasa beberapa langkah kemudian, dan reward yang salah sedikit menghasilkan perilaku yang aneh.Target: ≥ 30% episode berakhir dengan bola di target Lab 6R5 · kontrol kontinu & robotRobot ping-pong: lengan 6 sendiRobot lengan sungguhan (CAD dari ProtoTwin) harus terus memantulkan bola ping-pong. Atur sendinya dengan tangan, kalahkan pengendali inverse-kinematics, lalu latih PPO.Target: ≥ 50% episode: 15 detik penuh dengan ≥ 10 pukulan

Soal

0/17 selesai