Opis projekta

Robby živi u dvodimenzionalnom svijetu unutar kojeg su razbacane limenke i njegova je osnovna zadaća sakupiti ih ove limenke kako bi očistio svoj svijet. No, Robby ima ograničenu bateriju što znači da mu je na raspolaganju ograničen unutar jedne sesije čišćenja. Stoga je potrebno pažljivo odabrati koje će akcije robot izvoditi kako bi sakupio što više limenki prije nego što ostane bez baterije.

Svijet u kojem Robby živi pravokutnog je oblika i okružen je zidovima kroz koje robot ne može proći. Podijeljen je u ćelije po kojima se Robby može kretati. Na svakoj od ćelija može se nalaziti najviše jedna limenka. Unutar svih rubnih ćelija nalaze se zidovi i na njima ne mogu biti limenke. Robot se na početku svake sesije nalazi u jednoj nasumce odabranoj ćeliji. Ima unaprijed određen broj poteza koje može izvesti u jedno sesiji čišćenja i u svakom potezu može poduzeti jednu od sedam ponuđenih akcija: pomakni se jedu ćeliju sjeverno, južno, istočno ili zapadno, pokupi limenku s trenutne ćelije, nemoj učiniti ništa ili poduzmi nasumičnu akciju.

No, Robby nema mogućnost pamćenja. Može donjeti odluku o tome koju će akciju poduzeti samo na temelju trenutne percepcije. U svakom trenutku robot vidi sadržaj ukupno pet ćelija: ćelije na kojoj stoji te ćelija koje su sjeverno, južno, istočno i zapadno od njega. Cilj ovog projekta je uporabom različitih algoritama pronaći što bolju strategiju odabira robotovog sljedećeg poteza na temelju sadržaja ovih pet ćelija.