Stable Baselines Zoo - 学習アルゴリズムACKTRでAcrobot-v1を攻略

これまでインベーダーゲームをいろいろな学習アルゴリズムを使ってみましたが、一番成績の良かった ACKTR をいろいろな環境で実行してみます。

今回は Acrobot-v1 という環境を攻略します。

これはヌンチャクのようなものをうまく回転させるようにする環境です。

ACKTRでAcrobot-v1を攻略

ACKTR の学習済みモデル(Stable Baselines Zoo提供)を使ってAcrobot-v1を実行し、その様子を動画ファイルに出力します。


各オプションは以下の通りです。

  • 環境(env)
    Acrobot-v1
  • 学習アルゴリズム(algo)
    ACKTR
  • ステップ数(n)
    2000

[コマンド]

1
python3.7 -m utils.record_video --algo acktr --env Acrobot-v1 -n 2000

実行結果は以下のようになりました。(Ubuntu 19.10で動作確認しています。)


実行結果


このくらい単純なゲームだと ACKTR なら余裕で攻略してくれます。