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 ピンポン（PongNoFrameskip-v4） を攻略します。この環境は画面左右に分かれてボールを打ち合うゲームとなります。
PongNoFrameskip-v4を攻略
ACKTR の学習済みモデル(Stable Baselines Zoo提供)を使ってPongNoFrameskip-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)
PongNoFrameskip-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 PongNoFrameskip-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。)
画面左が対戦相手のコンピュータで画面右がACKTR学習済みモデルとなりますが、ACKTRの圧勝となりました。
ただ対戦相手のコンピュータが弱すぎるような気がしますが。。。