Mundo Grade
Use as setas
←
↑
→
↓
para escolher a ação. O ambiente decide o resultado.
↑
←
↓
→
Episódio
0
passos
0,00
retorno sem desconto
0,00
retorno descontado
Reiniciar (R)
Ambiente (T e R)
Prob. de sucesso
0,80
Living reward
-0,04
γ
0,90
Política π
Ocultar política
π* determinística
Estocástica: ε-greedy sobre π*
Estocástica: uniforme
Sem valores
Mostrar V*(s)
ε
0,30
Agente segue π (Espaço)
Auto ▶
Registro