Question

如何奖励在超级马里奥兄弟这样的游戏中前进的代理？我拥有的唯一数据是得分和生命，但有没有办法获得代理的坐标？我正在使用 NEAT 来训练我的代理，这是代码。我目前正在奖励它以获得尽可能高的分数，但它不会因为按下右键而奖励它，因为它只会推入墙壁并获得奖励，直到计时器用完。

import retro
import numpy as np
import cv2
import neat
import pickle

env = retro.make('SuperMarioWorld-Snes', 'Start.state')

imgarray = []

xpos_end = 0


def eval_genomes(genomes, config):
    for genome_id, genome in genomes:
        ob = env.reset()
        ac = env.action_space.sample()

        inx, iny, inc = env.observation_space.shape

        inx = int(inx / 8)
        iny = int(iny / 8)

        net = neat.nn.recurrent.RecurrentNetwork.create(genome, config)

        current_max_fitness = 0
        fitness_current = 0
        frame = 0
        counter = 0
        xpos = 0
        xpos_max = 0

        done = False
        # cv2.namedWindow("main", cv2.WINDOW_NORMAL)

        while not done:

            env.render()
            frame += 1
            # scaledimg = cv2.cvtColor(ob, cv2.COLOR_BGR2RGB)
            # scaledimg = cv2.resize(scaledimg, (iny, inx))
            ob = cv2.resize(ob, (inx, iny))
            ob = cv2.cvtColor(ob, cv2.COLOR_BGR2GRAY)
            ob = np.reshape(ob, (inx, iny))
            # cv2.imshow('main', scaledimg)
            # cv2.waitKey(1)

            imgarray = np.ndarray.flatten(ob)

            nnOutput = net.activate(imgarray)
            for i in  range(len(nnOutput)):
                nnOutput[i] = int(nnOutput[i])
                if nnOutput[i] < 0:
                    nnOutput[i] = 0


            ob, rew, done, info = env.step(nnOutput)

            # xpos = info['x']
            # xpos_end = info['screen_x_end']

            # if xpos > xpos_max:
            # fitness_current += 1
            # xpos_max = xpos

            # if xpos == xpos_end and xpos > 500:
            # fitness_current += 100000
            # done = True




            fitness_current += rew
            print(env.statename)
            if fitness_current > current_max_fitness:
                current_max_fitness = fitness_current
                counter = 0
            else:
                counter += 1

            if done or counter == 250:
                done = True
                print(genome_id, fitness_current)

            genome.fitness = fitness_current


config = neat.Config(neat.DefaultGenome, neat.DefaultReproduction,
                     neat.DefaultSpeciesSet, neat.DefaultStagnation,
                     'config.txt')

p = neat.Population(config)

p.add_reporter(neat.StdOutReporter(True))
stats = neat.StatisticsReporter()
p.add_reporter(stats)
p.add_reporter(neat.Checkpointer(10))

winner = p.run(eval_genomes)

with open('winner.pkl', 'wb') as output:
    pickle.dump(winner, output, 1)

Answer 1

使用 print( retro.__file__ ) 我找到了带有模块 retro 的文件夹并检查我找到的所有子文件夹我用 SuperMarioWorld 找到的文件夹

在我的 Linux 上是

/usr/local/lib/python3.8/dist-packages/retro/data/stable/SuperMarioWorld-Snes

文件 data.json 定义了 retro 如何在 score 中找到 lives 和 ROM

在 OpenAI-Retro-SuperMarioWorld-SNES 中，我找到了 data.json，其中还包含 x、y 等的信息。

如果我替换 data.json 那么我可以在代码中得到 info["x"]。

但我不确定这个文件是否适用于 SuperMario 的每个版本。

我使用 Super Mario World (Europe) (Rev 1) 进行了测试

https://ia800201.us.archive.org/view_archive.php?archive=/7/items/No-Intro-Collection_2016-01-03_Fixed/Nintendo%20-%20Super%20Nintendo%20Entertainment%20System.zip

但还有其他版本 - 欧洲、美国、日本。

向前迈进的健身房复古奖励

1 个答案: