Agent mora da se u okruženju popne što više moguće, za što kraće vreme, skakajući po platformama.
Orkuženje će biti slično igrici Icy tower (Slika ispod)
Agent imata na raspolaganju 3 akcije koje može da uradi: skok, kao i pomeranje levo i desno.
Orkuženje ću implementirati pomoću pygame biblioteke.
Algoritmi
PPO (Proximal Policy Optimization) ili neki drugi deep reinforcement learning algoritam
Metrika za merenje performansi
Svaki agent koji se popne više od ostalih će se smatrati boljim i akumuliraće veću nagradu što se više popeo, za što kraće vreme
Validacija rešenja
Moguće je napraviti krajnji cilj koji kad agent dotakne igra se završava, pa se meri najmanje vreme za koje je agent uspeo da završi igru.
Alternativa je da se da odredjeno vreme i agenti koji su se najvise popeli su pobednici.
Članovi tima
Uroš Nikolovski RA110/2020
Asistent
Filip Volarić
Problem koji se rešava
Agent mora da se u okruženju popne što više moguće, za što kraće vreme, skakajući po platformama. Orkuženje će biti slično igrici Icy tower (Slika ispod)![Slika Icy tower igre](https://external-content.duckduckgo.com/iu/?u=https%3A%2F%2Fgamefabrique.com%2Fstorage%2Fscreenshots%2Fpc%2Ficy-tower-08.png&f=1&nofb=1&ipt=71ca4641944ba816f20ec609343fc2857f4dbd3e46b63611317457bb636a083d&ipo=images)
Agent imata na raspolaganju 3 akcije koje može da uradi: skok, kao i pomeranje levo i desno. Orkuženje ću implementirati pomoću pygame biblioteke.
Algoritmi
PPO (Proximal Policy Optimization) ili neki drugi deep reinforcement learning algoritam
Metrika za merenje performansi
Svaki agent koji se popne više od ostalih će se smatrati boljim i akumuliraće veću nagradu što se više popeo, za što kraće vreme
Validacija rešenja
Moguće je napraviti krajnji cilj koji kad agent dotakne igra se završava, pa se meri najmanje vreme za koje je agent uspeo da završi igru. Alternativa je da se da odredjeno vreme i agenti koji su se najvise popeli su pobednici.