- Schritt1: Klonen Sie das GitHub-Repository auf Ihren lokalen Rechner.
- Schritt2: Installieren Sie erforderliche Python-Pakete über pip mit requirements.txt.
- Schritt3: Konfigurieren Sie die Umgebungsparameter für Kartenlayout und Agentenparameter.
- Schritt4: Führen Sie die Simulation durch, um die Agenten auf synthetischen Szenarien vorzubereiten.
- Schritt5: Trainieren Sie die Agenten mit den bereitgestellten Verstärkendem-Lernen-Skripten.
- Schritt6: Bewerten Sie Leistungskennzahlen und passen Sie die Hyperparameter bei Bedarf an.
- Schritt7: Exportieren Sie trainierte Richtlinien für den Einsatz auf physischen Robotern oder Edge-Geräten.
- Schritt8: Überwachen Sie den realen Betrieb und retrainieren Sie regelmäßig mit neuen Daten.