IA multi-agents pour la conduite

Le problème

Comprendre le comportement d'un apprentissage par renforcement demande de pouvoir l'observer tourner, le régler, et comparer des variantes, plutôt que de le lire dans un article. Le sujet retenu : des véhicules qui apprennent à circuiter sans collision à partir de leurs seuls capteurs de distance.

Ce que j'ai construit

Simulation sur Canvas de un à vingt agents pilotés par Q-Learning, chaque véhicule percevant son environnement par capteurs de distance simulés. Deux modes comparables : une table de valeurs individuelle par agent, ou une table partagée où l'expérience de chacun profite immédiatement à tous. Tableau de bord avec réglages de population, suivi par agent et statistiques globales de la population en temps réel.

Où ça en est

Simulation fonctionnelle, entraînement observé jusqu'à plus de cent épisodes sur vingt agents. Sert de terrain d'expérimentation pour comparer apprentissage individuel et collaboratif.

Technologies

• HTML
• CSS
• JavaScript
• Canvas
• Q-Learning