編者按：近年來(lái)，雖然關(guān)于強(qiáng)化學(xué)習(xí)進(jìn)展的新聞屢見(jiàn)報(bào)端，對(duì)強(qiáng)化學(xué)習(xí)感興趣的人也很多，但對(duì)普通學(xué)習(xí)者來(lái)說(shuō)，真正做一個(gè)自己感興趣的強(qiáng)化學(xué)習(xí)項(xiàng)目還是太麻煩了。今天論智給大家推薦的是一名網(wǎng)友開(kāi)源的Python庫(kù)，它提供了一個(gè)可以玩任何舊版街機(jī)游戲的API，操作方式非常親民。

這是一個(gè)允許你在幾乎任何街機(jī)游戲中訓(xùn)練你的強(qiáng)化學(xué)習(xí)算法的Python庫(kù)，它目前在Linux系統(tǒng)上可用。通過(guò)這個(gè)工具包，你可以定制算法逐步完成游戲過(guò)程，同時(shí)接收每一幀的數(shù)據(jù)和內(nèi)部存儲(chǔ)器地址值以跟蹤游戲狀態(tài)，以及發(fā)送與游戲交互的動(dòng)作。

安裝

GitHub地址：github.com/M-J-Murray/MAMEToolkit/blob/master/README.md

你可以用pip安裝這個(gè)庫(kù)，只需運(yùn)行以下命令：

pip install MAMEToolkit

演示示例：街霸

在街機(jī)愛(ài)好者心中，街霸是史上最經(jīng)典的游戲之一?，F(xiàn)在工具包內(nèi)包含的街霸版本是街頭霸王3：三度沖擊（Japan 990608, NO CD），我們以此為例，用以下代碼寫(xiě)一個(gè)隨機(jī)智能體：

import random

fromMAMEToolkit.sf_environment importEnvironment

roms_path = "roms/"

env = Environment("env1", roms_path)

env.start()

whileTrue:

move_action = random.randint(0, 8)

attack_action = random.randint(0, 9)

frames, reward, round_done, stage_done, game_done = env.step(move_action, attack_action)

if game_done:

env.new_game()

elif stage_done:

env.next_stage()

elif round_done:

env.next_round()

這個(gè)工具包還支持hogwild!訓(xùn)練：

什么是hogwild!？Niu等人引入了一個(gè)叫做 Hogwild! 的更新策略，可以使 SGD 可以在多 CPU 上并行更新。處理器在無(wú)需對(duì)參數(shù)加鎖的情況下就可以訪問(wèn)共享內(nèi)存。但僅在輸入的是稀疏數(shù)據(jù)時(shí)才有效，因?yàn)槊看胃聝H修改所有參數(shù)的一小部分。他們展示了在這種情況下，更新策略幾乎可以達(dá)到一個(gè)最優(yōu)的收斂率，因?yàn)樘幚砥鞑惶赡芨采w掉有用的信息。

from threading importThread

import random

fromMAMEToolkit.sf_environment importEnvironment

def run_env(env):

env.start()

whileTrue:

move_action = random.randint(0, 8)

attack_action = random.randint(0, 9)

frames, reward, round_done, stage_done, game_done = env.step(move_action, attack_action)

if game_done:

env.new_game()

elif stage_done:

env.next_stage()

elif round_done:

env.next_round()

def main():

workers = 8

# Environments must be created outside of the threads

roms_path = "roms/"

envs = [Environment(f"env{i}", roms_path) for i in range(workers)]

threads = [Thread(target=run_env, args=(envs[i], )) for i in range(workers)]

[thread.start() for thread in threads]

建立自己的游戲環(huán)境

這個(gè)工具包之所以易于上手，是因?yàn)樗?a href="http://m.sdkjxy.cn/analog/" target="_blank">模擬器本身不需要太多交互，只需注意兩點(diǎn)——一是查找你關(guān)注的內(nèi)部狀態(tài)相關(guān)聯(lián)的內(nèi)存地址值，二是用選取的環(huán)境跟蹤狀態(tài)。你可以用MAME Cheat Debugger，它會(huì)反饋游戲的內(nèi)存地址值如何隨時(shí)間變化。如果要?jiǎng)?chuàng)建游戲模擬，你得先獲得正在模擬的游戲的ROM，并知道MAME使用的游戲ID，比如街霸的ID是'sfiii3n'。

游戲ID

你可以通過(guò)運(yùn)行以下代碼找到游戲的ID：

fromMAMEToolkit.emulator importEmulator

emulator = Emulator("env1", "", "", memory_addresses)

這個(gè)命令會(huì)打開(kāi)MAME仿真器。你可以搜索游戲列表以找到想要的游戲，游戲的ID位于游戲標(biāo)題末尾的括號(hào)中。

內(nèi)存地址

如果獲得了ID，也有了想要跟蹤的內(nèi)存地址，你可以開(kāi)始模擬：

fromMAMEToolkit.emulator importEmulator

fromMAMEToolkit.emulator importAddress

roms_path = "roms/"

game_id = "sfiii3n"

memory_addresses = {

"fighting": Address('0x0200EE44', 'u8'),

"winsP1": Address('0x02011383', 'u8'),

"winsP2": Address('0x02011385', 'u8'),

"healthP1": Address('0x02068D0B', 's8'),

"healthP2": Address('0x020691A3', 's8')

}

emulator = Emulator("env1", roms_path, "sfiii3n", memory_addresses)

這會(huì)啟動(dòng)仿真器，并在工具包連接到模擬器進(jìn)程時(shí)暫停。

分步運(yùn)行仿真器

連接工具箱后，你可以分步運(yùn)行仿真器：

data = emulator.step([])

frame = data["frame"]

is_fighting = data["fighting"]

player1_wins = data["winsP1"]

player2_wins = data["winsP2"]

player1_health = data["healthP1"]

player2_health = data["healthP2"]

step函數(shù)會(huì)把幀數(shù)據(jù)作為NumPy矩陣返回，同時(shí)，它也會(huì)返回該時(shí)間步長(zhǎng)的所有內(nèi)存地址整數(shù)值。

如果要向仿真器輸入動(dòng)作，你還需要確定游戲支持的輸入端口和字段。比如玩街霸需要先投幣，這個(gè)代碼是：

fromMAMEToolkit.emulator importAction

insert_coin = Action(':INPUTS', 'Coin 1')

data = emulator.step([insert_coin])

要確定哪些端口可用，請(qǐng)使用list actions命令：

fromMAMEToolkit.emulator import list_actions

roms_path = "roms/"

game_id = "sfiii3n"

print(list_actions(roms_path, game_id))

下面這個(gè)返回的列表就包含街霸環(huán)境中可用于向步驟函數(shù)發(fā)送動(dòng)作的所有端口和字段：

[

{'port': ':scsi:1:cdrom:SCSI_ID', 'field': 'SCSI ID'},

{'port': ':INPUTS', 'field': 'P2 Jab Punch'},

{'port': ':INPUTS', 'field': 'P1 Left'},

{'port': ':INPUTS', 'field': 'P2 Fierce Punch'},

{'port': ':INPUTS', 'field': 'P1 Down'},

{'port': ':INPUTS', 'field': 'P2 Down'},

{'port': ':INPUTS', 'field': 'P2 Roundhouse Kick'},

{'port': ':INPUTS', 'field': 'P2 Strong Punch'},

{'port': ':INPUTS', 'field': 'P1 Strong Punch'},

{'port': ':INPUTS', 'field': '2 Players Start'},

{'port': ':INPUTS', 'field': 'Coin 1'},

{'port': ':INPUTS', 'field': '1 Player Start'},

{'port': ':INPUTS', 'field': 'P2 Right'},

{'port': ':INPUTS', 'field': 'Service 1'},

{'port': ':INPUTS', 'field': 'Coin 2'},

{'port': ':INPUTS', 'field': 'P1 Jab Punch'},

{'port': ':INPUTS', 'field': 'P2 Up'},

{'port': ':INPUTS', 'field': 'P1 Up'},

{'port': ':INPUTS', 'field': 'P1 Right'},

{'port': ':INPUTS', 'field': 'Service Mode'},

{'port': ':INPUTS', 'field': 'P1 Fierce Punch'},

{'port': ':INPUTS', 'field': 'P2 Left'},

{'port': ':EXTRA', 'field': 'P2 Short Kick'},

{'port': ':EXTRA', 'field': 'P2 Forward Kick'},

{'port': ':EXTRA', 'field': 'P1 Forward Kick'},

{'port': ':EXTRA', 'field': 'P1 Roundhouse Kick'},

{'port': ':EXTRA', 'field': 'P1 Short Kick'}

]

仿真器類(lèi)還有一個(gè)frame_ratio參數(shù)，可用于調(diào)整算法所見(jiàn)的幀速率。默認(rèn)情況下，MAME以每秒60幀的速度生成幀，如果你覺(jué)得這太多了，想把它改成每秒20幀，可以輸入以下代碼：

fromMAMEToolkit.emulator importEmulator

emulator = Emulator(roms_path, game_id, memory_addresses, frame_ratio=3)

MAME性能基準(zhǔn)測(cè)試

目前這個(gè)工具包的開(kāi)發(fā)和測(cè)試已在8核AMD FX-8300 3.3GHz CPU以及3GB GeForce GTX 1060 GPU上完成。在使用單個(gè)隨機(jī)智能體的情況下，街頭霸王環(huán)境可以以正常游戲速度的600％+運(yùn)行。而如果是用8個(gè)隨機(jī)智能體進(jìn)行hogwild!訓(xùn)練，環(huán)境可以以正常游戲速度的300％+運(yùn)行。

ConvNet智能體

為了確保工具包能夠訓(xùn)練算法，作者還設(shè)置了一個(gè)簡(jiǎn)單的5層ConvNet，只需少量調(diào)整，你就可以用它進(jìn)行測(cè)試。在街霸實(shí)驗(yàn)中，這個(gè)算法能夠成功學(xué)習(xí)到游戲的一些簡(jiǎn)單技巧，比如連擊（combo）和格擋（blocking）。街霸本身的游戲機(jī)制是分成10個(gè)關(guān)卡（難度遞增），玩家在每個(gè)關(guān)卡都要迎戰(zhàn)不同的對(duì)手。剛開(kāi)始的時(shí)候，這個(gè)智能體平均只能打到第2關(guān)。但在經(jīng)過(guò)2200次訓(xùn)練后，它平均能打到第5關(guān)。

至于智能體的學(xué)習(xí)率，它是用每一局智能體所造成的凈傷害和所承受的傷害來(lái)計(jì)算的。