PWhiddy/PokemonRedExperiments

해결하는 문제

이 프로젝트는 강화학습(RL) 에이전트가 비디오 게임 '포켓몬 레드'를 플레이하도록 훈련할 수 있는 프레임워크와 스크립트를 제공합니다. AI가 게임 세계를 탐색하고 스토리를 진행하는 과정을 관찰할 수 있도록 합니다.

작동 방식

이 프로젝트는 Stable Baselines 3를 통해 강화학습 에이전트와 PyBoy 에뮬레이터를 사용하여 게임과 상호작용합니다. 원본 베이스라인과 더 빠르게 훈련하고 메모리 사용량을 줄이며, 세레니안 시티와 같은 더 멀리 있는 지역에 도달하는 데 도움이 되는 좌표 기반 탐색 보상 시스템을 사용하는 'V2' 버전의 훈련 스크립트 두 가지를 포함합니다.

대상 사용자

강화학습, 게임 AI, 그리고 복잡한 타일 기반 환경에 RL을 적용하는 데 관심 있는 연구자 및 애호가.

주요 특징

• 사전 훈련된 모델: 사전 훈련된 모델을 인터랙티브하게 실행하여 AI의 동작을 직접 확인할 수 있습니다.
• 훈련 브로드캐스트: 사용자가 에이전트의 훈련 진행 상황을 공유된 글로벌 게임 지도로 스트리밍할 수 있는 래퍼를 제공합니다.
• V2 개선 사항: 훈련 효율성과 도달 거리를 향상시키는 좌표 기반 탐색 보상 시스템.
• 시각화: TensorBoard, Weights & Biases, 정적 지도 시각화를 통해 진행 상황을 추적할 수 있는 도구가 제공됩니다.