BipedalWalkerHardcore-v2 Weights Choice

概要

強化学習のRL A3C Pytorch Continuousを使って、 OpenAI Gym のBipedalWalkerHardcore-v2の障害の状態をLidarの情報からDNNを使って予測させ、２種類の重みを切り替える方法を学習させるもの、検討中のもの。

使い方

Lidarの情報から障害の状態を予測するDNNの学習。

python3 main.py --workers 24 --env BipedalWalkerHardcoreStateout-v2

動作テスト。　1回分（-num-episodes 1）のみ。

python3 gym_eval.py --env BipedalWalkerHardcoreStateout-v2  --num-episodes 1 --discrete-number 4

BipedalWalkerHardcore_Weights_Choice_v1_Colab.ipynb　はGoogle colab上で実行する試験用のスクリプト。

動作環境

現在のBipedalWalkerのバージョンは３であるが、古いバージョン２を使っている。
CPUのみ。

• python 3.8.5 on Ubuntu 20.04.2 LTS
• torch==1.5.0+cpu
• torchvision==0.6.0+cpu
• numpy==1.21.0
• gym==0.15.3
• Box2d-py==2.3.8
• pyglet==1.3.2
• pyyaml==3.12
• setproctitle==1.1.10
• typing==3.7.4.3

ライセンス

Apache License 2.0
オリジナルのa3c_continuousのライセンス文 LICENSE_ac3_continous.MD を参照のこと。
カスタム環境についてはOpenAI gymのライセンス文 custom_env/LICENSE-OpenAI_gym.md を参照のこと。