Este repositório contém a implementação do algoritmo Q-Learning para controlar o personagem "Amongois" em um jogo 3D, com o objetivo de fazê-lo navegar por plataformas e alcançar objetivo final.
O projeto consiste em desenvolver um agente de Inteligência Artificial usando Q-Learning para aprender a melhor sequência de ações com base em tentativas, erros e recompensas obtidas do ambiente. O jogo, disponibilizado como um executável, simula um ambiente com plataformas onde o personagem "Amongois" deve se locomover para alcançar o bloco preto. A comunicação entre o algoritmo e o jogo é estabelecida via um servidor local.
client.py: Implementação do algoritmo de Q-Learning e da lógica de treino/teste.connection.py: Interface de comunicação com o jogo (fornecida pelo professor).resultado.txt: Arquivo que salva a Q-table com os valores aprendidos pelo agente.
O jogo consiste em plataformas que o personagem deve atravessar. Ele pode realizar três ações:
"left"— girar para a esquerda"right"— girar para a direita"jump"— pular para frente
O estado do jogo é representado por um vetor binário de 7 bits:
- 5 bits para a plataforma atual (0–23)
- 2 bits para a direção:
00= Norte01= Leste10= Sul11= Oeste
- Certifique-se de que o jogo (
.exe) está rodando localmente na porta correta (ex: 2037) - Clone o repositório e navegue até a pasta:
git clone https://github.com/seu-usuario/q-learning.git cd q-learning - Abra o jogo "Amongois"
- Descomente a linha 'agent.trainAgent(socket)' no final do arquivo se quiser realizar o treinamento antes de testar
- Rode a página 'client.py': python client.py
- Ana Lívia da Costa Pessoa
- Fernanda Marques Neves
- Sara Carvalho Coelho Lustosa