OpenAI Gym环境'Hyrja-v0'——用强化学习算法训练机器打模拟的残暴赫娅

年丶华

OpenAI Gym环境'Hyrja-v0'——用强化学习算法训练机器打模拟的残暴赫娅

这是啥？

关注过人工智能发展的同学应该听说过DeepMind发明了一个让机器自己学会玩Atari2600游戏的算法——[Human-level control through deep reinforcement learning]。
我们家魔兽怎么就没人关注呢？肯定是WoW is too hard，任发Nature的大牛也做不出来效果吧偷笑
出于好奇，我把残暴赫娅做成了一个小游戏，实现到了Gym环境里。小游戏需要你控制五个玩家的移动，来完成对赫娅的击杀。
为了化简问题，输出循环都被去掉了，只要在可以输出的范围伤害是自动打的，近战要在Boss身边，然后法师和治疗牧师如果移动会降低伤害和治疗能力。
游戏的得分就是Boss掉的血。


不过这个游戏并不是给你玩的啦，是让机器玩的。有了Gym环境，你就可以套用各种强化学习算法来训练出一个玩这个游戏的AI。
比如[
https://arxiv.org/abs/1509.02971
此网页不属于本网站，不保证其安全性
继续访问       取消
Continuous control with deep reinforcement learning]介绍的DDPG算法就可以套用上来。

我拿一个小神经网络做DDPG试了一下，3层actor，2层critic全连接，训练了一晚上，最好的一次打掉了23%……不过没留下录像来。
待我试试更复杂的网络再来发效果。
以前研究输出循环的精力下得比较多，现在可以看看战斗策略究竟难度有多大了。

开始吧！

没玩过Gym的话，首先要安装OpenAI Gym
Code c:
pip install gym

然后安装赫娅环境
Code c:
git clone https://github.com/AeanSR/gym-hyrja.git
cd gym-hyrja
pip install -e .

然后就可以执行了，例如这一段Python可以演示随机行动的效果，就像视频里一样
Code c:
import gym
import gym_hyrja

env = gym.make("Hyrja-v0")
observation = env.reset()
for _ in range(15000):
  env.render()
  action = env.action_space.sample() # your agent here (this takes random actions)
  observation, reward, done, info = env.step(action)
  if done:
    env.reset()

env.close()

要实现其他算法，把action等于随机采样那一句话替换成你自己的算法就可以了。