Stable Baselines Zoo - 学習アルゴリズムACKTRでブロック崩し（BreakoutNoFrameskip-v4）を攻略

インベーダーゲームで一番成績の良かった学習アルゴリズム ACKTR をいろいろな環境で実行してみます。

今回は ブロック崩し（BreakoutNoFrameskip-v4） を攻略します。

BreakoutNoFrameskip-v4を攻略

ACKTR の学習済みモデル(Stable Baselines Zoo提供)を使ってBreakoutNoFrameskip-v4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)
    BreakoutNoFrameskip-v4
  • 学習アルゴリズム(algo)
    ACKTR
  • ステップ数(n)
    3000

[コマンド]

1
python3.7 -m utils.record_video --algo acktr --env BreakoutNoFrameskip-v4 -n 3000

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


なかなかのプレイ内容です。順調にブロックを崩していきますが、ブロック数が少なくなった最後の方では無限ループのようなプレイになってしまいました。