- Étape 1 : Cloner le dépôt GitHub sur votre machine locale.
- Étape 2 : Installer les packages Python requis via pip avec requirements.txt.
- Étape 3 : Configurer les paramètres de l'environnement pour la topologie de la carte et les paramètres des agents.
- Étape 4 : Exécuter la simulation pour préformer les agents sur des scénarios synthétiques.
- Étape 5 : Former les agents via les scripts d'apprentissage par renforcement fournis.
- Étape 6 : Évaluer les métriques de performance et ajuster les hyperparamètres si nécessaire.
- Étape 7 : Exporter les politiques entraînées pour déploiement sur des robots physiques ou des appareils en périphérie.
- Étape 8 : Surveiller les opérations dans le monde réel et réentraîner périodiquement avec de nouvelles données.