CodingTrain / CodingTrain/Suggestion-Box
Coding challenge: Agent pathfinding with Q-Learning?
- Vorherrschende Sprache
- Keine Sprachdaten
- Sterne
- 570
- Forks
- 85
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Beschreibung
Hi!
I was watching your video with Perlin Noise Flow fields and the particles flowing around it. Amazing!
It would be fun to try to use ML to create a path for particles to follow, like with tabular Q-learning.
I found this article on it: https://medium.com/init27-labs/understanding-q-learning-the-cliff-walking-problem-80198921abbc
Cheer!
Beitragsleitfaden
Für dieses Repository ist kein Beitragsleitfaden indexiert
Rechercherichtung
Beginne mit dem Lesen des verlinkten Q-learning-Artikels und der Durchsicht des im Issue referenzierten Beispiels „Perlin Noise Flow fields“. Lege fest, wie die Pfadsuche für Partikel funktionieren soll, wo sie im Projekt hingehört und welche Demonstration als abgeschlossen gelten würde; es sind keine Datei, kein Test und keine Akzeptanzkriterien angegeben.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Bewertung
- Tech-Stack
- machine-learning
- Bereich
- machine-learning
- Issue-Typ
- Feature
- Schwierigkeit
- 5/5
- Geschätzter Aufwand
- Über eine Woche
- Aktivitätsstatus
- Veraltet
- Klarheit
- Muss geklärt werden
- Anfängerfreundlichkeit
- 20/100