PONGIA

Inteligência Artificial com Aprendizado por Reforço

0
Jogos Treinados
0
Melhor Score
0.00
Pontuação Média

Treinamento da IA

0% 0 / 10000 jogos

Jogar contra IA

IA 0
:
0 Você

Use as teclas ↑ ↓ ou W S para mover sua raquete | F para tela cheia

Sobre o Projeto

🤖 O que é este projeto?

PongIA é uma implementação de Aprendizado por Reforço (Reinforcement Learning) aplicado ao clássico jogo Pong. A IA aprende a jogar através do algoritmo Q-Learning, sem nenhuma programação explícita de estratégias.

🧠 Como funciona o Q-Learning?

O algoritmo Q-Learning é uma técnica de aprendizado por reforço que permite que um agente aprenda a tomar decisões ótimas através da experiência:

  • Estados: Posição da bola e da raquete
  • Ações: Subir, descer ou ficar parado
  • Recompensas: Positivas ao acertar a bola, negativas ao perder
  • Tabela Q: Armazena o valor de cada ação em cada estado

📊 Parâmetros do Algoritmo

Taxa de Aprendizagem (α)
0.1
Controla quanto o agente aprende com novas experiências
Fator de Desconto (γ)
0.99
Importância de recompensas futuras vs imediatas
Taxa de Exploração
1.0 → 0.01
Diminui gradualmente durante o treinamento

🚀 Tecnologias Utilizadas

HTML5 Canvas JavaScript ES6+ Q-Learning Reinforcement Learning CSS3 Animations

👨‍💻 Desenvolvido por

Este projeto foi convertido de Processing para Web e aprimorado com design moderno e funcionalidades interativas.

⭐ Ver no GitHub