เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การโต้ตอบกับสภาพแวดล้อม Frozen Lake

คราวนี้จะได้ลองนำทาง agent ในสภาพแวดล้อม Frozen Lake ซึ่งเป็นโลกแบบกริดที่แต่ละ action จะเคลื่อนที่ agent ไปในทิศทางที่กำหนด โจทย์คือให้สังเกตสภาพแวดล้อม แล้วกำหนดรายการ actions ด้วยตนเองเพื่อนำ agent จากจุดเริ่มต้น (มุมซ้ายบน) ไปยังเป้าหมาย (มุมขวาล่าง) โดยไม่ตกลงหลุม ใน Frozen Lake แต่ละ action แทนด้วยตัวเลขดังนี้:

  • 0: ซ้าย
  • 1: ลง
  • 2: ขวา
  • 3: ขึ้น

หลังจากรันโค้ดแล้ว ให้เลื่อนดูกราฟโดยใช้ปุ่ม 'Previous Plot' และ 'Next Plot' เพื่อติดตามเส้นทางที่ agent เดินผ่าน ซึ่งจะช่วยให้เข้าใจลำดับของ action และผลลัพธ์ที่เกิดขึ้น

gym และ plt ถูก import ไว้แล้ว พร้อมกับฟังก์ชัน render() และตัวแปร env

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Reinforcement Learning with Gymnasium ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สังเกตตำแหน่งของ agent ทางด้านขวา แล้วกำหนดรายการ actions เพื่อนำ agent ข้ามทะเลสาบไปยังเป้าหมาย
  • ดำเนินการแต่ละ action ในรายการผ่านลูป for
  • เรนเดอร์สภาพแวดล้อมหลังจากแต่ละ action เพื่อสังเกตเส้นทางของ agent

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Define the sequence of actions
actions = [____]

for action in actions:
  # Execute each action
  state, reward, terminated, _, _ = ____
  # Render the environment
  ____
  if terminated:
  	print("You reached the goal!")
แก้ไขและรันโค้ด