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 倒立ふりこ(CartPole-v1) を攻略します。倒立ふりこは、板の上に立っている棒を倒さないように、板を左右に動かしバランスをとる環境です。
CartPole-v1を攻略
ACKTR の学習済みモデル(Stable Baselines Zoo提供)を使ってCartPole-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)
CartPole-v1 - 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 CartPole-v1 -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。)
このくらいの簡単な環境であれば ACKTR アルゴリズムは完璧に攻略できますね。