web-dev-qa-db-ja.com

OpenAIで新しいジム環境を作成する方法は？

MLを使用してビデオゲームをプレイすることを学習するAIエージェントを作成する割り当てがあります。既存の環境を使用したくないので、OpenAI Gymを使用して新しい環境を作成します。新しいカスタム環境を作成するにはどうすればよいですか？

また、OpenAIジムの助けを借りずに特定のビデオゲームをプレイするAIエージェントの開発を開始できる他の方法はありますか？

machine-learningartificial-intelligenceopenai-gym
52
Rifat Bin Reza

非常に小さな環境については、私の banana-gym を参照してください。

新しい環境を作成する

リポジトリのメインページを参照してください。

https://github.com/openai/gym/blob/master/docs/creating-environments.md

手順は次のとおりです。

  1. PIPパッケージ構造で新しいリポジトリを作成する

このように見えるはずです

gym-foo/
  README.md
  setup.py
  gym_foo/
    __init__.py
    envs/
      __init__.py
      foo_env.py
      foo_extrahard_env.py

その内容については、上記のリンクに従ってください。言及されていない詳細は、特にfoo_env.pyの一部の関数がどのように見えるかです。例と gym.openai.com/docs/ を参照すると役立ちます。以下に例を示します。

class FooEnv(gym.Env):
    metadata = {'render.modes': ['human']}

    def __init__(self):
        pass

    def _step(self, action):
        """

        Parameters
        ----------
        action :

        Returns
        -------
        ob, reward, episode_over, info : Tuple
            ob (object) :
                an environment-specific object representing your observation of
                the environment.
            reward (float) :
                amount of reward achieved by the previous action. The scale
                varies between environments, but the goal is always to increase
                your total reward.
            episode_over (bool) :
                whether it's time to reset the environment again. Most (but not
                all) tasks are divided up into well-defined episodes, and done
                being True indicates the episode has terminated. (For example,
                perhaps the pole tipped too far, or you lost your last life.)
            info (dict) :
                 diagnostic information useful for debugging. It can sometimes
                 be useful for learning (for example, it might contain the raw
                 probabilities behind the environment's last state change).
                 However, official evaluations of your agent are not allowed to
                 use this for learning.
        """
        self._take_action(action)
        self.status = self.env.step()
        reward = self._get_reward()
        ob = self.env.getState()
        episode_over = self.status != hfo_py.IN_GAME
        return ob, reward, episode_over, {}

    def _reset(self):
        pass

    def _render(self, mode='human', close=False):
        pass

    def _take_action(self, action):
        pass

    def _get_reward(self):
        """ Reward is given for XY. """
        if self.status == FOOBAR:
            return 1
        Elif self.status == ABC:
            return self.somestate ** 2
        else:
            return 0

環境を使用する

import gym
import gym_foo
env = gym.make('MyEnv-v0')

例

  1. https://github.com/openai/gym-soccer
  2. https://github.com/openai/gym-wikinav
  3. https://github.com/alibaba/gym-starcraft
  4. https://github.com/endgameinc/gym-malware
  5. https://github.com/hackthemarket/gym-trading
  6. https://github.com/tambetm/gym-minecraft
  7. https://github.com/ppaquette/gym-Doom
  8. https://github.com/ppaquette/gym-super-mario
  9. https://github.com/tuzzer/gym-maze
72
Martin Thoma

間違いなく可能です。彼らはドキュメントのページの終わり近くでそう言っています。

https://gym.openai.com/docs

その方法については、既存の環境のソースコードを参考にしてください。 githubで利用可能：

https://github.com/openai/gym#installation

彼らの環境のほとんどは、ゼロから実装するのではなく、既存の環境のラッパーを作成し、強化学習に便利なすべてのインターフェースを提供しました。

独自に作成したい場合は、おそらくこの方向に進んで、すでに存在するものをジムのインターフェイスに適応させるようにしてください。ただし、これには非常に時間がかかる可能性があります。

あなたの目的にとって興味深いかもしれない別のオプションがあります。 OpenAIのユニバースです

https://universe.openai.com/

たとえば、Webサイトと統合して、モデルをkongregateゲームでトレーニングできます。しかし、宇宙はジムほど使いやすいものではありません。

初心者の場合、標準環境でのVanilla実装から始めることをお勧めします。基本的な問題に合格したら、次に進みます...

14
Guilherme de Lazari