Makine öğrenimi kullanarak bir video oyunu oynamayı öğrenecek bir AI Aracısı yapmak için bir görevim var. OpenAI Gym kullanarak yeni bir ortam oluşturmak istiyorum çünkü mevcut bir ortamı kullanmak istemiyorum. Yeni, özel bir Ortamı nasıl oluşturabilirim?
Ayrıca, AI Aracısını OpenAI Gym'in yardımı olmadan belirli bir video oyununu oynatmak için geliştirmeye başlayabileceğim başka bir yol var mı?
Yanıtlar:
banana-gymSon derece küçük bir ortam için benimkine bakın .
Deponun ana sayfasına bakın:
https://github.com/openai/gym/blob/master/docs/creating-environment.md
Adımlar:
Böyle görünmeli
gym-foo/
README.md
setup.py
gym_foo/
__init__.py
envs/
__init__.py
foo_env.py
foo_extrahard_env.py
İçeriği için yukarıdaki bağlantıyı takip edin. Burada bahsedilmeyen ayrıntılar, özellikle içindeki bazı işlevlerin nasıl foo_env.pygörünmesi gerektiğidir. Örneklere ve gym.openai.com/docs/ adresine bakmak yardımcı olur. İşte bir örnek:
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
import gym
import gym_foo
env = gym.make('MyEnv-v0')
import gym_foo # noqa
pip install -e . komutun yerine getirilmesi yardımcı oldu @hipoglucido
Kesinlikle mümkün. Bunu Dokümantasyon sayfasında sonlara doğru söylüyorlar.
Nasıl yapılacağına gelince, ilham almak için mevcut ortamların kaynak kodlarına bakmalısınız. GitHub'da mevcuttur:
https://github.com/openai/gym#installation
Ortamlarının çoğunu sıfırdan uygulamadılar, bunun yerine mevcut ortamların etrafında bir sarmalayıcı oluşturdular ve hepsine pekiştirmeli öğrenme için uygun bir arayüz sağladılar.
Kendin yapmak istiyorsan, muhtemelen bu yöne gitmeli ve zaten var olan bir şeyi spor salonu arayüzüne uyarlamaya çalışmalısın. Bununla birlikte, bunun çok zaman alıcı olma ihtimali yüksektir.
Amacınız için ilginç olabilecek başka bir seçenek daha var. OpenAI'nin Evreni
Örneğin modellerinizi kongregate oyunlarında eğitebilmeniz için web siteleriyle entegre olabilir. Ancak Evren kullanımı Spor Salonu kadar kolay değil.
Yeni başlayan biriyseniz, tavsiyem standart bir ortamda bir vanilya uygulamasıyla başlamanızdır. Temel konulardaki problemleri aştıktan sonra, artırmaya devam edin ...
gym_fooiçe aktarılmış ama kullanılmamış" mesajı alıyorum . Ondan nasıl kurtulabilirim?