Projeto que utiliza de deep leaning para a criação de uma IA para jogar o jogo da biblioteca gym chamado CartPole (v0)
| Membros | GitHub | ||
|---|---|---|---|
 |
Igor Lima | igorq937@gmail.com | @igorq937 |
 |
Thiago Santos | thiago.lopes.santos.tls@gmail.com | @thiagolopess |
Gym é um toolkit para desenvolvimento e aprendizado de algoritmos através de comparação e reforço. Ele suporta o treinamento de Agents seja para ensiná-los a andar ou jogar alguns jogos de maneira independente.
TensorFlow é uma biblioteca de código aberto criada para aprendizado de máquina, computação numérica e muitas outras tarefas.
O Keras-RL2 implementa algoritmos top de linha para Aprendizado Profundo Através de Reforço(deep reinforcement learning), e se integra com a biblioteca de deep learning Keras.
Mas o que é Deep Reiforcement Learning (Deep RL)?
Deep Reinforcement Learning é um subcampo do machine learning que combina o reinforcement learning (RL) e o deep learning. O RL considera o problema a ser resolvido por um agente computacional de aprendizado e toma decisões baseadas em tentativa e erro. Já o Deep RL incorpora deep learning à solução, possibilitando que os agentes tomem decisões a partir de dados de entrada desestruturados.
O cartpole foi um jogo criado pelo Gym com o intuito de mostrar como a biblioteca funciona. O objetivo do jogo é manter o palito em pé e o carrinho na tela. O jogo possui apenas dois inputs (direita e esquerda), que são utilizados para equilibrar o palito. Para ganhar uma rodada, a máquina precisa fazer 200 pontos. Após uma rodada acabar (seja ganhando ou perdendo), uma nova rodada começa logo em seguida.
Decidimos utilizar esse jogo no projeto pois ele é mais rápido e simples de ser treinado, uma vez que a IA não precisará se adaptar a uma grande quantidade de situações.