02. Playing OpenAI GYM Games (1)

Development_Study/RL_1

삐약은지 2026. 3. 10. 13:58

: Reinforcement Learning을 수행하기 위해서는
Environment(환경)과 그 곳에서 상호작용하며 행동하는 Agent에 관한 알고리즘이 필요합니다

하지만 Environment를 직접 만드는 일은 생각보다 복잡하고 많은 시간이 소요됩니다
그래서 Reinforcement Learning 연구에서는 보통

이미 제공되는 시뮬레이터 환경을 활용하는 경우가 많습니다

이번 글에서도 Environment를 직접 구현하기보다는
OpenAI GYM Framework를 사용하여 실습을 진행해 보려고 합니다

저희가 사용할 환경은 OpenAI Gym에 포함된 Frozen Lake World입니다

이 환경에서 Reinforcement Learning은 다음과 같은 방식으로 동작합니다

① Agent가 행동(Action)을 선택합니다 (right, left, up, down)

② Environment는 Agent의 행동에 대한 결과로 State(상태)와 Reward(보상)를 반환합니다

사실 Reinforcement Learning은 Frozen Lake와 같은 특정 환경뿐만 아니라
다양한 환경에 적용이 가능합니다

여기서 한 가지 중요한 점은
Agent는 Environment의 전체 구조를 미리 알지 못한다는 것입니다 😮

설명에서는 환경이 모두 보이는 것처럼 느껴지지만,
실제 학습 과정에서는 Agent가 아무것도 모르는 상태로

시작점(Start)에서 출발하여 Goal 지점까지 이동하는 방법을 스스로 찾아야 합니다

즉, Agent는 환경을 탐색하며 움직이는 과정 속에서
조금씩 환경에 대한 정보를 알게 됩니다

따라서 Reinforcement Learning이란

환경과 상호작용하면서 여러 번의 시행착오를 거쳐
더 나은 행동을 학습해 나가는 과정이라고 볼 수 있습니다 😉

: 오늘은 OpenAI Gym Framework에 대해 간단히 살펴보았습니다

다음 포스팅에서는 OpenAI Gym을 이용해

Reinforcement Learning을 직접 실습해보도록 하겠습니다

그럼 다음 글에서 만나요, 모두 안녕~👋