Basketball Shot RL: gradientes de política con acciones continuas

Separar el mundo del experimento

RL Playground proporciona cancha, colisiones, viento, puntuación y visualización. Este repositorio contiene red, configuración, actualizaciones REINFORCE, evaluación y gráficos. La revisión fijada de la dependencia deja explícita esa separación.

Cada tiro tiene una decisión de potencia y ángulo. Por ello, el retorno coincide con la recompensa del tiro y gamma no modifica esta tarea de un paso.

Aprender una distribución de tiros

La política produce parámetros de distribuciones Beta continuas. El entrenamiento muestrea potencia y ángulo; la visualización determinista usa sus medias. Los diagramas exportados muestran salidas de la red, mientras el muestreo ocurre fuera del grafo.

Los procesos recogen tiros con pesos constantes, orden estable y semillas por intento antes de actualizar. Los registros incluyen configuración y evaluación inicial y final sobre semillas de viento separadas del entrenamiento.

Ejecutar no equivale a aprender

El README no incluye una política entrenada exitosa. Una ejecución corta comprueba funcionamiento, sin demostrar mejor puntería. Los mapas de pesos representan valores de parámetros, no habilidad.

Cada entrenamiento comienza de nuevo y guarda la red final. No existe selección automática del mejor punto ni reanudación. Se rechazan nombres de salida existentes para conservar resultados anteriores.

Consultar recompensa y evaluación juntas

El repositorio ofrece curvas, diagramas de arquitectura, mapas de pesos y comandos de evaluación. La guía compara el tiro continuo con la política discreta del estudio lunar y explica sus diferencias matemáticas.