PONG KI Test
Ein klassisches Pong-Spiel, bei dem eine KI durch Reinforcement Learning (Q-Learning) lernt, das Spiel zu meistern. Die KI spielt gegen sich selbst und verbessert sich kontinuierlich durch Trial and Error.
📸 Screenshot
🎯 Das Konzept
PONG KI Test demonstriert wie eine einfache KI durch Reinforcement Learning ein komplexes Spiel erlernen kann. Die KI erhält Belohnungen für erfolgreiche Treffer und Bestrafungen für verlorene Bälle.
┌─────────────────────────────┐
│ ██ │
│ ██ ○ │
│ ██ │
│ ───────────── │
│ ██ │
│ ██ │
└─────────────────────────────┘
Score: KI 12 : 8 Mensch
✨ Hauptfunktionen
🧠 Q-Learning
KI nutzt Q-Learning Algorithmus mit Epsilon-Greedy Strategie für Exploration vs Exploitation.
⚡ Echtzeit-Training
KI trainiert live während des Spielens, Fortschritt ist sichtbar.
📊 Visualisierung
Q-Table Heatmap, Reward-Graph und Live-Statistiken.
🎮 Spielmodi
KI vs KI, KI vs Mensch, Mensch vs Mensch.
🧠 Neuronales Netzwerk Architektur
Ball/Paddle
Layer
Aktion
Inputs: Ball X/Y, Paddle Y, Ball-Richtung | Outputs: Hoch, Runter, Stehenbleiben
🚀 Schnellstart
# In das Projektverzeichnis wechseln
cd PONG_KI_Test
# Abhängigkeiten installieren
pip install pygame numpy matplotlib
# Mit KI spielen
python pong_ai.py
# KI trainieren (automatisch)
python train.py --episodes 10000🛠️ Tech Stack
📈 Trainings-Ergebnisse
- Episoden: 10.000 Trainingsspiele
- Win-Rate: ~85% gegen Random-Agent nach Training
- Training-Zeit: ~2 Stunden auf Standard-CPU
- Belohnungs-Funktion: +1 für Treffer, -1 für verlorenen Ball