Stable Baselines Zoo - 学習アルゴリズムACKTRで倒立ふりこ（CartPole-v1）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 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。)


実行結果


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。