Një projekt përdor dy rrjete të vogla neurale në Raspberry Pi Pico 2 W për të gjeneruar një lojë dhe për ta luajtur njëkohësisht. Rrjeti i parë, modeli i botës, parashikon kuadrin pasues dhe shpërblimin nga kuadri aktual dhe veprimi. I dyti zgjedh veprimet duke parë vetëm kuadrot e gjeneruara, pa përdorur lojën reale.
Modeli ripërdor të njëjtin bllok transformer dhe të njëjtat pesha në disa kalime, duke kursyer memorie. Numri i kalimeve balancon shpejtësinë me saktësinë; në Pico përdoren dy për të ruajtur ritmin e kuadrove. Pajisja u zgjodh për çmimin e ulët dhe njësinë e llogaritjeve me presje lëvizëse (FPU).
Lojërat përfshijnë Pac-Man, Breakout, Doom-lite, Flappy Bird dhe Pong. Versionet referuese janë shkruar në numpy, që kuadrot e gjeneruara të kontrollohen kundrejt rregullave reale. Çdo kuadër përmban të gjithë gjendjen e lojës. Në një provë me Breakout, një ndryshim në përzgjedhjen e elementeve të kuadrit e rriti përputhjen e plotë nga 91.6% në 99.7%.
Të dy rrjetet ekzekutohen në bërthamën 1 të RP2350, ndërsa bërthama 0 menaxhon USB-në dhe ekranin. Agjenti i paratrajnuar mund të zëvendësohet me një agjent stream-x që mëson nga zero në pajisje. Përdoruesi mund të marrë kontrollin me një buton. Verifikimi gjatë lojës krahason gjendjen dhe shpërblimin e gjeneruar me rregullat reale, pasi agjenti mund të shfrytëzojë gabime që nuk shfaqen në të dhënat e regjistruara.
Burimi: Hacker News — lexoni artikullin e plotë në anglisht.
