Браузерная игра Roofline и обученный в неё играть PPO-агент от Grok
Пользователь X попросил Grok сделать браузерную игру Roofline, а затем Grok обучил PPO-агента играть в неё прямо на живой странице. Лучший результат 39 359 очков.
Сделано сGrok Bot
ЗадачиПрограммирование
Что сделали
Пользователь промптом попросил Grok создать браузерную игру Roofline. Затем Grok обучил PPO-агента, который играет прямо на живой странице roof.grok.me. Человек давал промпты и записывал прогоны.
Что получилось
Лучший записанный прогон набрал 39 359 очков, 4924 метра и комбо 117.
Пояснение
PPO (Proximal Policy Optimization) это популярный метод обучения с подкреплением. Агент учится методом проб и ошибок и получает награду за удачные действия.
Кому пригодится
Разработчикам игр и тем, кто хочет попробовать обучение с подкреплением на собственной игре.
Попробуйте сами с Grok Bot
Сделай простую браузерную игру по идее [идея игры] и выложи её так, чтобы в неё можно было играть по ссылке. Потом обучи агента с подкреплением, например PPO, играть в неё и сообщи его лучший результат и несколько примеров того, как он играет. В конце дай ссылку на игру, код обучения и короткую сводку результатов.
Нужна помощь с запуском? Вступайте в сообщество AI Pack ↗
Источник: x.com ·