[Robotique Webots] Implémentation du Q-Learning tabulaire & Façonnement de récompenses denses (#2)
· Une minute de lecture
📌 Points clés (TL;DR)
- Le problème : Des récompenses trop éparses (+1 à la cible, -1 en collision) provoquent une errance stérile du robot pendant des milliers d'épisodes.
- La solution : Façonnement de récompense dense par variation de distance géométrique ($\Delta d$) et pénalisation des rotations sur place.