Pendulum Learning Lab

Gambaran projek

Mempelajari kawalan melalui percubaan, ganjaran dan penilaian.

Makmal pembelajaran pengukuhan yang membandingkan Standard, Double, Dueling dan Rainbow DQN pada Pendulum-v1. Tork berterusan dipetakan kepada tindakan diskret, dengan komponen ulang tayang, latihan, penilaian dan penalaan boleh guna semula. Pelaksanaan ujian asas setempat dibezakan daripada kajian penuh; kelebihan ganjaran berbilang benih yang sepadan dan kestabilan kawalan tidak didakwa.

• Pembelajaran Pengukuhan
• DQN
• Python
• Pengoptimuman

Di dalam binaan ini

• Memetakan tork berterusan kepada julat tindakan diskret bagi pembelajaran berasaskan nilai.
• Mengkonfigurasi eksperimen berbenih dengan penimbal ulang tayang, pemanasan dan kemas kini rangkaian sasaran.
• Menambah ulang tayang berkeutamaan dan output taburan untuk Rainbow DQN.
• Menyediakan ringkasan ganjaran, analisis lengkung pembelajaran, pelaksanaan dasar tamak dan paparan perbandingan.
• Memisahkan larian ujian asas terhad daripada konfigurasi kajian penuh 500 episod.
• Mengesahkan alat eksperimen dan integriti notebook sambil mendokumenkan ketiadaan larian berbilang benih yang sepadan.

Kod sumber & pautan