Laboratorio RL Grid World
Sandbox interattiva di reinforcement learning con Q-Learning, Value Iteration e Policy Iteration.
Un agente si muove su una griglia 2D, riceve ricompense e apprende una policy che massimizza il ritorno gestendo muri e obiettivi terminali.
- Q-Learning: aggiornamento temporal-difference model-free con esplorazione epsilon-greedy.
- Value Iteration: backup di ottimalita di Bellman su tutti gli stati.
- Policy Iteration: alternanza tra valutazione della policy e miglioramento.
World Builder
Definisci griglia, ricompense e condizioni iniziali.
x
Strumenti
Ricompense
Simulazione
Esegui episodi e ispeziona il comportamento dell agente.
Info run
Tracciamento live di episodio e ritorno.
Modalita: Idle
Episodio: 0 / 0
Step (episodio): 0
Ultimo ritorno: -
Policy e valori
Le frecce della policy indicano azioni greedy da Q values memorizzati o update model-based.
Note sugli algoritmi
- Q-Learning aggiorna i valori azione online con target bootstrapped.
- Value Iteration calcola i valori ottimali degli stati dai backup di Bellman.
- Policy Iteration alterna valutazione e miglioramento per la convergenza.