Reinforcement Learning Playground in Unity

Il Reinforcement Learning `e un’area dell’ intelligenza artificiale che si occupa di dello sviluppo di algoritmi di apprendimento per agenti intelli- genti che interagiscono in un ambiente al fine di massimizzare la nozione di ricompensa cumulativa. Il Reinforcement Learning, come molte altre discipline scientifiche, richie- de conoscenze abbastanza profonde della matematica e di altre conoscenze legate all’apprendimento automatico. Tuttavia, i concetti fondamentali del reinforcement learning sono adatti ad essere spiegati in termini semplici, at- traverso esempi, e giochi. Questo ci permette di creare ambienti (virtua- li) controllati e facili da capire e che permettano all’utente di imparare i meccnismi di base del reinforcement learning. Ci siamo impegnati affinch`e queste meccaniche risultino facilmente com- prensibili e questo progetto di tesi ha come obiettivo la realizzazione di un’ap- plicazione con scopo didattico per poter esplorare algoritmi di “base” del rein- forcement learning in maniera semplice ed “user-friendly”. Ci si `e focalizzati principalmente su un ambiente a griglia (Grid World) di dimensioni e alcune caratteristiche personalizzabili. L’applicaizione inoltre offre tre algoritmi tra i pi`u noti del reinforcement learning classico quali il Policy Iteration, Mon- te Carlo e il Q-Learning. L’applicativo `e stato sviluppato in Unity con un aspetto grafico in 3D/2.5D e progettato in maniera tale che sia facilmente estendibile e manutenibile.