Stable Baselines Zoo - 学習アルゴリズムACKTRで倒立振り子（Pendulum-v0）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 倒立振り子（Pendulum-v0） を攻略します。振り子へ適切にトルクを与えることで、垂直に振り上げた状態を維持することが目的です。

Pendulum-v0を攻略

ACKTR の学習済みモデル(Stable Baselines Zoo提供)を使ってPendulum-v0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)
    Pendulum-v0
  • 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 Pendulum-v0 -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


体操選手を思わせるほど完璧に倒立状態を維持してくれています。さすがのACKTRです。