Stable Baselines Zoo - 学習アルゴリズムACKTRで二足歩行シミュレーション（BipedalWalker-v3）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 二足歩行シミュレーション（BipedalWalker-v3） という環境を攻略します。二足歩行を最適化することを目標とします。

BipedalWalker-v3を攻略

ACKTR の学習済みモデル(Stable Baselines Zoo提供)を使ってBipedalWalker-v3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)
    BipedalWalker-v3
  • 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 BipedalWalker-v3 -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


スキップのような移動になっていますが、順調に２足歩行で前に進んでいる様子を確認することができます。