Procédure de construction de l'environnement pour la salle de sport "Open AI Gym" qui entraîne l'IA à des jeux sur Mac OS X

OpenAI Gym est une plateforme de développement et d'évaluation de l'intelligence artificielle dans les jeux.

OpenAI ouvre un "gym d'entraînement pour l'IA" | WIRED.jp

Vous pouvez créer l'environnement simplement en faisant pip install ou brew install presque selon la procédure.

Pakman,

Envahisseurs de l'espace,

Si vous essayez simplement ce genre de chose au hasard à titre d'essai, vous pouvez le faire avec environ 5 lignes de code **, donc je ne sais rien sur le renforcement de l'apprentissage, mais c'est peut-être une bonne première étape pour l'essayer pour le moment. Peut être.

Voici la procédure de construction d'environnement que j'ai effectuée sur ** macOS Sierra **.

Installez OpenAI Gym

La procédure d'installation est décrite dans ici de README.

git clone https://github.com/openai/gym.git
cd gym
pip install -e .

De plus, il installera entièrement les bibliothèques dépendantes et ainsi de suite.

$ brew install cmake boost boost-python sdl2 swig wget

Installation de l'environnement atari

Installez-en plus pour gérer les jeux atari.

$ pip install 'gym[atari]'

Contrôle de fonctionnement

Un exemple simple peut être trouvé dans la documentation officielle (https://gym.openai.com/docs).

`cartpole.py`


import gym
env = gym.make('CartPole-v0')
env.reset()
for _ in range(1000):
    env.render()
    env.step(env.action_space.sample())

Quand je l'exécute,

$ python cartpole.py

Un tel jeu est exécuté.

Essayez de démarrer divers jeux

Envahisseur de l'espace

code

`invaders.py`


import gym
env = gym.make('SpaceInvaders-v0')
env.reset()
for _ in range(1000):
    env.render()
    env.step(env.action_space.sample())

Courir

$ python invaders.py

Pac-Man

code

`pacman.py`


import gym
env = gym.make('MsPacman-v0')
env.reset()
for _ in range(1000):
    env.render()
    env.step(env.action_space.sample())

Courir

$ python pacman.py

en conclusion

Cette fois, j'ai essayé de créer l'environnement et de vérifier le fonctionnement facilement. Je n'ai pas encore abordé l'essentiel de l'apprentissage par renforcement au millimètre, alors j'aimerais l'écrire dans un autre article.

Article de référence: