Grid-World-RL-Labor
Interaktiver RL-Sandbox mit Q-Learning, Value Iteration und Policy Iteration.
Ein Agent bewegt sich auf einem 2D-Gitter, erhält Belohnungen und lernt eine Policy, die den Return maximiert und Wände sowie Terminalziele berücksichtigt.
- Q-Learning: modellfreies TD-Update mit epsilon-greedy Exploration.
- Value Iteration: Bellman-Optimalitäts-Backups über alle Zustände.
- Policy Iteration: abwechselnde Policy-Bewertung und -Verbesserung.
World Builder
Definiere Gitter, Belohnungen und Startbedingungen.
x
Werkzeuge
Belohnungen
Simulation
Episoden ausführen und Verhalten prüfen.
Laufinfo
Live-Tracking von Episoden und Return.
Modus: Leerlauf
Episode: 0 / 0
Schritte (Episode): 0
Letzter Return: -
Policy & Werte
Pfeile zeigen gierige Aktionen aus Q-Werten oder modellbasierten Updates.
Algorithmus-Notizen
- Q-Learning aktualisiert Aktionswerte online mit Bootstrap-Zielen.
- Value Iteration berechnet optimale Zustandswerte per Bellman-Backups.
- Policy Iteration wechselt Bewertung und Verbesserung bis zur Konvergenz.