🎯 전체 학습 목표

• 강화학습의 기초 개념 습득 (Agent, Environment, Reward 등)
• Unity ML-Agents의 구조 및 원리 이해
• 직접 커스텀 환경을 구성하고 Agent를 학습시켜보기
• Python 기반 학습 스크립트 실행 및 결과 분석
• 개인 프로젝트 제작

🗺️ 학습 로드맵

학습 목표는 변경될 수 있음.

🔖 학습 진행 상태

Untitled

현재 진행률

Untitled

✍️ 학습 회고 / 메모

📝 Week 1 (Link)

• Unity ML-Agents는 강화학습 에이전트를 유니티 환경에서 학습시키는 도구로, 에이전트가 상태를 관측하고 행동을 선택하며 보상을 최대화하도록 학습시킴.
• 강화학습은 상태·행동·보상·정책 등의 요소를 기반으로 벨만 방정식과 가치·Q 함수를 통해 최적의 행동을 학습하며, 탐험과 이용 균형이 핵심임.
• ε-greedy 등 기법을 통해 초기에는 다양한 행동을 탐험하고, 학습이 진행될수록 가치 기반 행동을 선택해 점진적으로 최적 정책을 확보함.

📝 Week 2 (Link)