vietnh1009/Super-mario-bros-PPO-pytorch
این پروژه از الگوریتم PPO (بهینه‌سازی سیاست نزدیک) برای آموزش یک عامل هوش مصنوعی جهت بازی Super Mario Bros با استفاده از کتابخانه PyTorch استفاده می‌کند.
کاربرد:
این پروژه برای درک و پیاده‌سازی الگوریتم‌های یادگیری تقویتی در محیط‌های پیچیده و دارای زمان واقعی مثل بازی‌های ویدیویی مناسب است.
در چه شرایطی بهتره استفاده شود؟
وقتی می‌خواهید یک عامل یادگیری تقویتی را در محیط‌های دارای تصاویر پویا و نیاز به تصمیم‌گیری سریع آموزش دهید، استفاده از این پروژه مفید است. همچنین برای شبیه‌سازی حرکت عامل در محیط‌های 2D با پویایی بالا مناسب است.
چند مثال از موارد استفاده:
- آموزش عامل برای عبور از مرحله‌های مختلف بازی بدون دخالت انسانی ️
- تست و مقایسه عملکرد الگوریتم‌های یادگیری تقویتی در محیط‌های گیمینگ
- استفاده در تحقیقات آکادمیک در زمینه یادگیری تقویتی عمیق
- ##ReinforcementLearning
- ##PPO
- ##PyTorch
- ##SuperMarioBros
- ##DeepLearning
- ##AI
- ##GameAI
- ##MachineLearning
- ##RLResearch
- ##GamingBot