🕹 MarioRL

🎯 Descrição

MarioRL é um agente de Aprendizado por Reforço desenvolvido para aprender a jogar Super Mario Bros de forma autônoma. Utilizando técnicas avançadas de aprendizado profundo e otimizações eficientes, MarioRL busca alcançar um desempenho comparável aos modelos mais robustos com uma fração dos parâmetros.

🧠 Algoritmos de Aprendizado

1. Rede de Q-Duplo com Dueling

• Técnica avançada de aprendizado profundo: Combina redes neurais duplas para estimar os valores de ação de maneira mais precisa.
• Melhora a eficiência de aprendizagem: Reduz o viés na estimativa do valor de ação, promovendo um aprendizado mais estável e eficiente.

2. Otimização de Política Proximal

• Estratégia robusta de melhoria de política: Garante atualizações de política seguras, evitando grandes mudanças que possam degradar o desempenho.
• Dinâmicas de aprendizado estáveis: Promove um treinamento mais consistente e confiável, facilitando a convergência do agente.

▶ Execução do Projeto

🏃‍♂️ Avaliar Agente Pré-treinado

Para avaliar o desempenho do agente treinado, execute o script de teste:

python test.py

🚴‍♂️ Treinar Novo Agente

Para iniciar o processo de treinamento de um novo agente, utilize o seguinte comando:

python train.py

📓 Exploração Interativa

Explore o Jupyter Notebook para visualizar e interagir com o projeto de forma mais detalhada:

Jupyter Notebook