Erste Schritte

Willkommen bei custom_grid_env! Diese Seite hilft dir dabei, dich schnell in der Umgebung zurechtzufinden.

Die Konzepte

Die Umgebung simuliert ein Gitter, in dem ein Agent navigieren muss. Dabei spielen folgende Komponenten eine zentrale Rolle:

1. AgentInterface: Die primäre Schnittstelle für deine KI-Agenten. Sie kapselt die Umgebung, den Geist und den Partikelfilter.
2. Partikelfilter: Ein Mechanismus zur Schätzung der Agentenposition, falls diese nicht exakt bekannt ist (Lokalisierung).
3. CNN-Klassifizierung: Ein neuronales Netz, das Bilder der Gitterzellen verarbeitet, um Objekte wie Hunde oder Blumen zu erkennen.

Erste Experimente

Notebook	Beschreibung	Link
Interaktive GUI	Vollständiges Dashboard mit Sensoren und PF-Visualisierung.
Umgebungs-Demo	Lerne die Grundlagen der Steuerung kennen.
CNN-Training	Erfahre, wie man das neuronale Netz trainiert, das der Agent zur Objekterkennung nutzt.

Ein einfaches Beispiel

Hier ist ein minimales Skript, um einen Agenten mit zufälligen Bewegungen zu starten:

from custom_grid_env.interface import AgentInterface
from custom_grid_env.agents.random_player_agent import RandomPlayerAgent

# Interface initialisieren
interface = AgentInterface(render=True)
obs = interface.reset()

# Agent erstellen
agent = RandomPlayerAgent(interface.get_action_space())

# Episode ausführen
for _ in range(100):
    action = agent.get_action(obs)
    obs, reward, done, info = interface.step(action)
    if done:
        break

interface.close()

Weiterführende Tutorials

Schau dir unsere detaillierten Tutorials an: - CNN Training Tutorial - Partikelfilter Tutorial