Ce projet a pour objectif de développer un agent capable d'apprendre à travers l'apprentissage par renforcement (Reinforcement Learning) et de l'appliquer à un jeu simple de type labyrinthe. L'agent devra explorer le labyrinthe pour trouver une clé, puis un coffre, en s'appuyant sur une Q-table pour naviguer efficacement. Une interface utilisateur (GUI) permet de sélectionner différents niveaux de difficulté et de visualiser l'apprentissage de l'agent à travers une animation sous forme de GIF.
- Compréhension de l'apprentissage par renforcement : Apprendre les concepts de base et les principes du Reinforcement Learning.
- Mise en pratique : Implémenter un agent qui résout un problème simple dans un environnement de labyrinthe.
- Création d'un jeu : Le jeu consiste à naviguer dans un labyrinthe pour récupérer une clé et ouvrir un coffre en se basant sur l'amélioration continue via une Q-table.
- Documentation et rapport : Fournir un rapport détaillé pour faciliter la reprise du projet par d'autres utilisateurs.
- Interface graphique (GUI) : Proposer une interface simple permettant de choisir le niveau de difficulté, de lancer l'apprentissage et d'afficher un GIF du déplacement de l'agent.
- Apprentissage par Renforcement : Utilisation de l'algorithme Q-learning pour optimiser le comportement de l'agent dans le labyrinthe.
- Interface Utilisateur : Sélection du niveau, lancement de l'apprentissage et visualisation du parcours de l'agent sous forme de GIF.
- Visualisation de l'apprentissage : Génération automatique d'un GIF (
agent.gif) qui montre les déplacements de l'agent dans le labyrinthe. - Rapport : Le projet est accompagné d'un rapport détaillé (disponible dans le fichier
Rapport_TX.pdf) qui explique la méthodologie utilisée, les choix techniques et les résultats obtenus.
Avant d'exécuter ce projet, assurez-vous d'avoir installé les dépendances suivantes :
- Python 3.x
- Bibliothèques Python :
numpy,matplotlib,tkinter, etc.
Vous pouvez installer les dépendances nécessaires avec la commande suivante :
pip install -r requirements.txtCe projet s'inspire du cours sur l'apprentissage par renforcement profond (Deep Reinforcement Learning) proposé par Hugging Face. Ce cours offre une introduction approfondie à l'apprentissage par renforcement, couvrant les bases théoriques ainsi que des applications pratiques à travers des exemples concrets.
Un rapport détaillant l'approche utilisée, les résultats et les améliorations possibles est disponible dans le fichier Rapport_TX.pdf. Ce document est conçu pour aider toute personne souhaitant approfondir ou continuer ce projet.