Pendulum Learning Lab

Présentation du projet

Apprendre le contrôle par l’essai, la récompense et l’évaluation.

Un laboratoire d’apprentissage par renforcement comparant les DQN Standard, Double, Dueling et Rainbow sur Pendulum-v1. Le couple continu est converti en actions discrètes, avec des composants réutilisables de rejeu, d’entraînement, d’évaluation et de réglage. Les essais locaux élémentaires sont distingués des études complètes ; aucune supériorité de récompense à graines multiples comparables ni stabilité de contrôle n’est revendiquée.

• Apprentissage par renforcement
• DQN
• Python
• Optimisation

Au cœur de cette réalisation

• Converti le couple continu en intervalles d’actions discrètes pour l’apprentissage fondé sur la valeur.
• Configuré des expériences avec graines, tampons de rejeu, préchauffage et mises à jour du réseau cible.
• Ajouté le rejeu prioritaire et les sorties distributionnelles pour Rainbow DQN.
• Fourni des résumés de récompense, analyses de courbes d’apprentissage, exécutions gloutonnes et vues comparatives.
• Séparé les essais élémentaires bornés de la configuration complète de l’étude à 500 épisodes.
• Validé les outils expérimentaux et l’intégrité des carnets en documentant l’absence d’exécutions comparables à graines multiples.

Code source et liens