Expérimentations · IA · Outils · github.com/eoghanbouillot
Agent autonome entraîné par apprentissage par renforcement pour jouer au Snake sans aucune règle codée à la main. L'IA apprend uniquement à partir de ses erreurs et de ses réussites, génération après génération, jusqu'à développer une stratégie efficace par elle-même.
Le projet implémente un réseau de neurones DQN (Deep Q-Network) avec PyTorch. À chaque frame, le réseau prend en entrée 11 valeurs décrivant l'environnement et prédit la meilleure action à effectuer parmi 3 choix possibles.
Le réseau DQNetwork est un MLP à 3 couches
(11 → 256 → 256 → 3). L'état du jeu est encodé en
11 valeurs : danger devant/droite/gauche,
direction courante (4 booléens) et position relative de la nourriture (4 booléens).
L'agent choisit entre tout droit, tourner à droite ou
tourner à gauche.
L'entraînement repose sur une stratégie epsilon-greedy — exploration
aléatoire au début, exploitation du modèle ensuite — et un
experience replay avec une mémoire de
100 000 transitions. Récompenses :
+10 pour manger,
−10 pour mourir.
Un toolkit complet pour les CTF regroupant dans une seule interface web tous les outils indispensables en compétition. Fini de jongler entre 10 terminaux — tout est centralisé, accessible depuis le navigateur, avec une interface sombre style terminal.
Le projet intègre des outils comme nmap, john, hashcat, gobuster, binwalk, exiftool, steghide et bien d'autres — chacun accessible via une interface dédiée avec détection automatique et output en temps réel.
Prochain projet en cours…
Prochain projet en cours…
Prochain projet en cours…