Reinforcement Learning - AI Visual Lab

Q(s,a) ← Q(s,a) + α[r + γ·max_a'Q(s',a') - Q(s,a)]

⚙ Entrenamiento

⚒ Parametros

Epsilon (exploracion) 0.30

Gamma (descuento) 0.95

Alpha (learning rate) 0.10

🎵 Audio

Volumen 30%

📊 Estadisticas

Episodios0

Reward promedio0.0

Exitos0

AlgoritmoQ-Learning

📚 Aprender de la Experiencia

El agente navega un grid 8x8 buscando la meta (verde). Cada celda tiene 4 Q-values (↑↓←→) que estiman la recompensa futura.

Q-Learning: actualiza con el maximo Q del siguiente estado (off-policy).
SARSA: actualiza con la accion realmente tomada (on-policy).

Epsilon controla exploracion vs explotacion. Las flechas muestran la politica optima.