OpenAI Gym のプログラムを試してみる

前準備

OpenAI Gym のインストール

OpenAI Gym のインストールは，別ページ »で説明している．

OpenAI Gym を使ってみる

ランダム動作のプログラム

まずは、ランダムな動作．前準備がうまくいったかの確認も兼ねる．

Python プログラムを動かしたい．

import gym

env = gym.make('CartPole-v1')  # make your environment!

for i_episode in range(20):
    observation = env.reset()
    for t in range(100):
        env.render()  # render game screen
        action = env.action_space.sample()  # this is random action. replace here to your algorithm!
        observation, reward, done, info = env.step(action)  # get reward and next scene
        if done:
            print("Episode finished after {} timesteps".format(t+1))
            break

次のような画面が出る．

Environment の確認

Python プログラムを動かしたい．

import gym

env = gym.make('CartPole-v1')  # make your environment!

for i_episode in range(20):
    observation = env.reset()
    for t in range(100):
        env.render()  # render game screen
        print(observation)
        action = env.action_space.sample()  # this is random action. replace here to your algorithm!
        observation, reward, done, info = env.step(action)  # get reward and next scene
        if done:
            print("Episode finished after {} timesteps".format(t+1))
            break

結果を確認する．

ここに出ているのは、各繰り返し (timestep) での Environment の値 （変数名は observation）． 繰り返しが進むと、Environment の値が変化していることがわかる。

空間 (space)

Python プログラムを動かしたい．

import gym
env = gym.make('CartPole-v1')
print(env.action_space)
#> Discrete(2)
print(env.observation_space)
#> Box(4,)

結果を確認する．

• env.action_space: Agent がとりえるアクション．「2」と表示されるのは「アクションは，2個の正または０の数です」という言う意味

  このプログラムでは

  1. １つめ：　左への力
  2. ２つめ：　右への力
• env.observation_space: 環境から観測される値．「4」と表示されるのは「環境から観測される値，4個の数です」という言う意味

ログを残すプログラム

【関連する外部ページ】https://github.com/openai/gym/blob/master/examples/agents/random_agent.py のプログラムを使用している．

1. FFmpeg のインストール

2. Python プログラムを実行する

   Python プログラムの実行: 別ページ »で説明

   Python のまとめ: 別ページ »にまとめ

   import argparse
   import logging
   import sys
   
   import gym
   from gym import wrappers
   
   
   class RandomAgent(object):
       """The world's simplest agent!"""
       def __init__(self, action_space):
           self.action_space = action_space
   
       def act(self, observation, reward, done):
           return self.action_space.sample()
   
   if __name__ == '__main__':    parser = argparse.ArgumentParser(description=None)
       parser.add_argument('env_id', nargs='?', default='CartPole-v1', help='Select the environment to run')
       args = parser.parse_args()
   
       # Call `undo_logger_setup` if you want to undo Gym's logger setup
       # and configure things manually. (The default should be fine most
       # of the time.)
       gym.undo_logger_setup()
       logger = logging.getLogger()
       formatter = logging.Formatter('[%(asctime)s] %(message)s')
       handler = logging.StreamHandler(sys.stderr)
       handler.setFormatter(formatter)
       logger.addHandler(handler)
   
       # You can set the level to logging.DEBUG or logging.WARN if you
       # want to change the amount of output.
       logger.setLevel(logging.INFO)
   
       env = gym.make(args.env_id)
   
       # You provide the directory to write to (can be an existing
       # directory, including one with existing data -- all monitor files
       # will be namespaced). You can also dump to a tempdir if you'd
       # like: tempfile.mkdtemp().
       outdir = 'random-agent-results'
       env = wrappers.Monitor(env, directory=outdir, force=True)
       env.seed(0)
       agent = RandomAgent(env.action_space)
   
       episode_count = 100
       reward = 0
       done = False
   
       for i in range(episode_count):
           ob = env.reset()
           while True:
               action = agent.act(ob, reward, done)
               ob, reward, done, _ = env.step(action)
               if done:
                   break
               # Note there's no env.render() here. But the environment still can open window and
               # render if asked by env.monitor: it calls env.render('rgb_array') to record video.
               # Video is not recorded every episode, see capped_cubic_video_schedule for details.
   
       # Close the env and write monitor result info to disk
       env.close()
   

   結果を確認する．

   これは、ログを記録しましたよというメッセージ．ログファイルのディレクトリ名を確認

   

   いま確認したログファイルのディレクトリを開いてみる

   

   拡張子 .stats.json のファイルを開いてみる

   episode_types, episode_length, episode_rewards などの値が確認できる．

   

   OpenAI に付属の強化学習のサンプルプログラム cem.py を動かしてみる

   1. 次のサイトから zip 形式ファイルをダウンロードし展開（解凍）

      https://github.com/openai/gym

   2. cem.py を確認
      

   3. Python プログラムを実行する

      Python プログラムの実行: 別ページ »で説明

      Python のまとめ: 別ページ »にまとめ

      python cem.py
      

      

      これは強化学習のプログラムになっている

      本サイトは金子邦彦研究室のWebページである．

      資料等の公開では，原則，「クリエイティブコモンズ BY NC SA」として公開するようにしている． PDFファイル，パワーポイントファイルなどには， 「クリエイティブコモンズ BY NC SA」を明記するとともに，ロゴを記載するようにしている（作業が間に合っていない分もあるのでご容赦ください）．

      公開している資料をご利用になる場合の，再配布の条件，剽窃の防止などについて，別ページ »で説明 再配布や資料改変の際には，そのページをご確認ください．

      サイトマップは，サイトマップのページをご覧下さい． 本サイト内の検索は，サイト内検索のページをご利用下さい．

      問い合わせ先： 金子邦彦（かねこ くにひこ）