Искусственный интеллект

Есть агент, кнопки и коробки. Научите агента нажимать на кнопки, чтобы он смог сбежать.

Заготовка и инструкции: https://github.com/RobolabGs2/AI_RL_Lab_02/

Основные баллы (10)

1. [5 баллов] Есть хотя бы одна кнопка агент обучен на неё нажимать.
2. [5 баллов] Кнопок больше двух, и агент умеет нажимать на все с помощью коробок (опционально и себя).

Бонусные баллы (10)

1. [+5 баллов] Если после нажатия кнопок уровень не заканчивается, а открывается дверь, через которую агент должен уйти.
2. [+5 баллов] За добавление препятствий (динамически меняющихся от запуска к запуску).

Статьи

Простая статья про любопытство
https://unity.com/ru/blog/engine-platform/solving-sparse-reward-tasks-with-curiosity

Сложная статья про любопытство
https://pathak22.github.io/noreward-rl/

Про простой q-лёрнинги
https://spinningup.openai.com/en/latest/algorithms/ddpg.html#background

Про Soft Actor-Critic
https://spinningup.openai.com/en/latest/algorithms/sac.html