Maze Q-Table

L'apprentissage par renforcement permet à un agent d'apprendre par essais et erreurs dans un environnement. Imaginez un labyrinthe. À l'aide d'une table Q, l'agent explore le labyrinthe (état) et effectue différentes actions (comme se déplacer vers le haut, le bas, la gauche ou la droite). La table Q garde une trace des récompenses (positives pour les bons choix, négatives pour les mauvaises décisions) reçues pour chaque action dans chaque état. Au fil du temps, l'agent met à jour la table Q pour prioriser les actions qui conduisent à la récompense la plus élevée et apprend finalement le meilleur chemin à travers le labyrinthe.

Apprendre en faisant

Dans cette application, vous guiderez un agent à travers un labyrinthe rempli de briques. L'agent utilisera une technique appelée Q-learning pour naviguer dans le labyrinthe et atteindre l'objectif. En observant le processus d'exploration et d'apprentissage de l'agent, vous comprendrez les concepts d'apprentissage par renforcement.

*Difficulté réglable

Vous voulez rendre les choses plus faciles ou plus difficiles pour l’agent ? Vous pouvez contrôler la difficulté du labyrinthe en ajustant deux paramètres :

Taille de l'obstacle des briques : choisissez la taille des briques autour desquelles l'agent doit naviguer. Les briques plus grosses créent un labyrinthe plus ouvert, tandis que les briques plus petites permettent une compression plus serrée.

Nombre d'épisodes : ce paramètre détermine combien de fois l'agent tentera d'apprendre le labyrinthe. Avec plus d’épisodes, l’agent a plus d’opportunités d’explorer et d’affiner sa stratégie décisionnelle.

Prenez le contrôle et suivez les progrès

L'application propose deux boutons pour contrôler la simulation :

Générer un labyrinthe : ce bouton crée un nouveau labyrinthe avec la taille de brique choisie.

Commencer l'apprentissage : une fois que vous êtes satisfait de la disposition du labyrinthe, cliquez sur ce bouton pour démarrer le processus d'apprentissage de l'agent.

Visualisez les progrès de l’apprentissage

En plus d'observer l'agent naviguer dans le labyrinthe, vous pouvez également suivre sa progression d'apprentissage grâce au graphique du taux d'apprentissage inclus. Ce graphique représente les récompenses (renforcement positif) de l'agent par rapport au nombre d'épisodes. En analysant ce graphique, vous pouvez voir comment le taux d'apprentissage de l'agent impacte sa prise de décision et comment il s'améliore au fil du temps.

Préparez-vous à être témoin de la puissance de l’apprentissage par renforcement ! Pendant que l'agent explore le labyrinthe, vous verrez comment il apprend à faire des choix optimaux et à relever le défi. Le graphique du taux d'apprentissage améliorera encore votre compréhension en visualisant les progrès de l'agent tout au long de son parcours de formation.