Stable Baselines Zoo - 学習アルゴリズムACKTRで月面着陸（LunarLander-v2）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 月面着陸（LunarLander-v2） を攻略します。宇宙船を操作して旗と旗の間にうまく着陸できるように操作するゲームです。

カーソルキーで宇宙船の方向を操作し機体を水平に保ち、スペースキーでエンジン噴射を行います。

LunarLander-v2を攻略

ACKTR の学習済みモデル(Stable Baselines Zoo提供)を使ってLunarLander-v2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)
    LunarLander-v2
  • 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 LunarLander-v2 -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


問題なく旗と旗の間に着陸できる様子が確認できます。たまには失敗することもありましたが十分な結果を出していると思います。