Implementações de Aprendizado por Reforço

A2C

Advantage Actor Critic com Generalized Advantage Estimator

CartPole

Após 10000 timesteps

Curva de Aprendizado:

PPO

Proximal Policy Optimization com GAE

Shared Network PPO

Shared Network Proximal Policy Optimization com GAE

Curva de Aprendizado:

Soft Actor Critic

Soft Actor Critic

BipedalWalker-v2 após 170 episódios

Pendulum-v0:

Curva de Aprendizado: