Grid World Simulator

Info
Mode: Idle
Episode: 0 / 0
Steps (epis): 0
Last Return: -
Legend
Wall
Free
Start
Goal
Policy & Values
Policy arrows show greedy action from stored Q or computed policy.

        

        
Export / Import

        

          
          
          
        

      


      

        
Algorithm Notes

        
    
          
  • Q-Learning: 모델 프리, 행동 가치(Q)를 업데이트하며 온라인으로 학습합니다. ε-greedy 탐험 사용.
    • 
          
  • Value Iteration: 모델 기반 존재 시 Bellman 최적화 반복으로 상태 가치 V를 계산합니다.
    • 
          
  • Policy Iteration: 정책 평가 + 정책 개선을 번갈아 수행합니다.
    • 
        

      

    

  


  
  

    

      
Grid World (간단 이론)

      

        Grid World는 강화학습에서 가장 기본적인 예제로, 에이전트는 격자 위에서 상하좌우(4방향) 행동을 선택하고 상태 전이와 보상을 받습니다.
        목표는 누적 보상을 최대화하도록 정책(행동 규칙)을 학습하는 것입니다.
      

      
설정 팁

      
    
        
  • 목표(goal) 셀의 보상을 크게 설정하면 에이전트가 목표를 빠르게 찾도록 유도됩니다.
    • 
        
  • 셀 기본 보상이 음수이면 돌아다니는 비용이 있어 최단 경로를 선호합니다.
    • 
        
  • 장애물(벽)은 이동 불가 셀입니다. 시작-목표를 벽으로 만들지 마세요.
    •