Questo progetto è stato sviluppato come parte del corso di Information Visualization presso l'Università degli Studi di Salerno. Si concentra sull'implementazione di un agente di reinforcement learning utilizzando MLAgents su Unity. L'agente è integrato in un simulatore di motociclo che deve superare un percorso a ostacoli simile al percorso ministeriale per l'ottenimento della patente A2.
L'obiettivo principale è quello di utilizzare tecniche di reinforcement learning per addestrare l'agente in modo che possa navigare con successo attraverso il percorso a ostacoli, dimostrando competenze di guida simili a quelle richieste per ottenere la patente A2. L'agente deve imparare a prendere decisioni intelligenti, evitare ostacoli e completare il percorso in modo efficiente.
La logica dell'agente di reinforcement learning è implementata utilizzando MLAgents, che permette la definizione dell'ambiente di addestramento, la strutturazione delle azioni disponibili all'agente, l'implementazione del sistema di reward e la configurazione degli iperparametri.
Nota: questo progetto è stato implementato con la Release 20 di MLAgents.