rl_compare

O objetivo deste projeto é comparar diversos algoritmos de reinforcement learning considerando diversos ambientes.

Os algoritmos que serão comparados são:

• DQN
• A2C
• PPO

Vamos utilizar as implementações da biblioteca https://stable-baselines3.readthedocs.io/en/master/

Os ambientes que serão utilizados na comparação são:

• Bipedal Walker
• Car Racing, discreto e contínuo
• CartPole
• Lunar Lander

Vamos utilizar os ambientes disponibilizados na biblioteca https://gymnasium.farama.org/

Matriz de comparação

Documento com a matriz de comparação a ser executada neste projeto

Estrutura do repositório

Este repositório está estruturado da seguinte forma:

• no diretório raiz estão todos os scripts que executam o treinamento, salvam os dados do treinamento e o modelo.
• o diretório results deve armazenar todos os arquivos CSV com os dados dos treinamentos.
• o diretório models deve armazenar todos os modelos gerados a partir do treinamento.