本文原作者洪水宋,杜克,原文载于作者的知乎专栏 - 智能单元。
8月10号,DeepMind联合暴雪发布了星际争霸2人工智能研究环境SC2LE,从而使人工智能的研究进入到一个全新的阶段。这次,研究人工智能的小伙伴们可以边玩游戏边做研究了。
为了让更多的朋友了解SC2LE研究环境,我们在第一时间对其进行安装测试,并对DeepMind发布的pysc2代码进行分析,初步了解基于pysc2的RL开发方法。下面我们将一一进行介绍。
苹果机环境下的安装
(1)安装pysc2
PIP安装pysc2
如果权限不够,就加上须藤:
sudo pip安装pysc2
程序会自动安装各种依赖:
安装收集的软件包:google-apputils,pygame,future,pysc2 成功安装future-0.16.0 google-apputils-0.4.2 pygame-1.9.3 pysc2-1.0
(2)然后在国服下载mac版的星际争霸客户端:https://www.battlenet.com.cn/account/download/,mac版的,然后安装,30个G,3.16.1版本。
(3)下载完毕可以运行游戏就OK
(4)下载地图包,迷你游戏和重播:Blizzard / s2client-proto,https://github.com/deepmind/pysc2/releases/download/v1.0/mini_games.zip
(5)进入星际争霸2的目录
(6)创建地图文件夹
(7)将地图包和小游戏压缩包都解压到地图目录下,密码是iagreetotheeula
(8)打开终端,输入python -m pysc2.bin.agent --map Simple64进行测试。
下面为示意图:
可以大家看到在苹果下既显示了原始的游戏画面,又显示了功能的画面。
Ubuntu的环境下安装
(1)安装pysc2(和Mac相同)
sudo pip安装pysc2
(2)下载Linux版本的星际2:Blizzard / s2client-proto并解压在首页目录下,解压密码:iagreetotheeula
(3)下载地图包,迷你游戏:Blizzard / s2client-proto,https://github.com/deepmind/pysc2/releases/download/v1.0/mini_games.zip。将文件解压到〜/ StarCraft2 / Maps下。
(4)打开终端,输入python -m pysc2.bin.agent --map Simple64进行测试。
下面为两个不同地图的示意图:
Linux的下没有原始游戏画面。
(1)基本测试
python -m pysc2.bin.agent --map Simple64
(2)更改地图如使用天梯的地图
python -m pysc2.bin.agent --map AbyssalReef
注意天梯的地图名称没有LE!
(3)不使用代理,手动玩!
python -m pysc2.bin.play --map MoveToBeacon
(4)使用特定代理来玩(比如MoveToBeacon这个迷你游戏)
python -m pysc2.bin.agent --map MoveToBeacon --agent pysc2.agents.scripted_agent.MoveToBeacon
(5)播放重放
python --m pysc2.bin.play --replay <path-to-replay>
前面只是安装,到这里才是最关键的。要知道如何进行RL开发,要首先知道pysc2的代码是如何运行的。
在上一小结测试中,我们看到第四种可以指定代理所以,我们可以自己编写一个代理文件,从而使得环境运行我们自己的代理。:
python -m pysc2.bin.agent --map <map> --agent <Agent>
那么如何来编写这个代理人呢?
pysc2的代码中为什么构建了一个BaseAgent,我们只需要在BaseAgent的基础上,构造一个新的试剂的类,然后在里面的步骤函数中实现我们的RL算法即可。
基本的程序架构如下:
从__future__导入absolute_import 来自__future__进口部门 从__future__导入print_function 进口numpy 从pysc2.agents import base_agent 从pysc2.lib导入操作 从pysc2.lib导入功能 OurAgent类(base_agent.BaseAgent): def step(self,obs): 超级(OurAgent,self).step(obs) #----------------------------------# RL算法这里 #----------------------------------# 返回动作
其中obs包含所有的观察信息,包括特征图,奖励及可执行动作动作等信息.step这个函数的目标是输出动作给环境执行.RL算法需要处理obs然后输出动作。
我们来看一下pysc2提供的MoveToBeacon的非智能算法:
从__future__导入absolute_import 来自__future__进口部门 从__future__导入print_function 进口numpy 从pysc2.agents import base_agent 从pysc2.lib导入操作 从pysc2.lib导入功能 _PLAYER_RELATIVE = features.SCREEN_FEATURES.player_relative.index _PLAYER_FRIENDLY = 1 _PLAYER_NEUTRAL = 3#beacon / minerals _PLAYER_HOSTILE = 4 _NO_OP = actions.FUNCTIONS.no_op.id _MOVE_SCREEN = actions.FUNCTIONS.Move_screen.id _ATTACK_SCREEN = actions.FUNCTIONS.Attack_screen.id _SELECT_ARMY = actions.FUNCTIONS.select_army.id _NOT_QUEUED = [0] _SELECT_ALL = [0] MoveToBeacon类(base_agent.BaseAgent): “”“专门用于解决MoveToBeacon地图的代理”。“” def step(self,obs): super(MoveToBeacon,self).step(obs) 如果_MOVE_SCREEN在obs.observation [“available_actions”]中: player_relative = obs.observation [“screen”] [_ PLAYER_RELATIVE] neutral_y,neutral_x =(player_relative == _PLAYER_NEUTRAL).nonzero() 如果不是neutral_y.any(): return actions.FunctionCall(_NO_OP,[]) target = [int(neutral_x.mean()),int(neutral_y.mean())] return actions.FunctionCall(_MOVE_SCREEN,[_NOT_QUEUED,target]) 其他: return actions.FunctionCall(_SELECT_ARMY,[_SELECT_ALL])
我们可以看到,上面的代码直接获取了beacon的位置信息(neutral_y,neutral_x),从而直接给出动作。但是为了使用RL算法,我们需要获取特征图的图像信息。然后我发现上面代码中的player_relative就是图像信息,可以直接通过OpenCV的或者PLT输出显示如下图最右边的显示:
下面总结一下状态,动作,奖励的获取方式:
(1)状态,也就是各种功能图,通过obs.observation [“screen”] [feature_map_name]获取
(2)动作,可以使用的动作,通过obs.observation [“available_actions”]获取
(3)奖励,通过obs.reward获取。
知道这些RL关键信息的获取,我们也就可以编写RL代码来玩星际2的小任务了。
值得注意的是,星际2的动作的动作非常复杂,pysc2把动作封装成带参数的函数。比如上面的移动动作,需要靶目标位置的2维参数。所以,如果输出动作是一个复杂的问题官方。的论文中使用了自回归自回归的方式,也就是先输出移动这个动作,然后在此基础上再输出目标,从而形成完整的动作,最后输出。
本文对SC2LE进行了初体验,包括安装,测试和RL开发的代码研究整体来看,DeepMind这次联合暴雪确实做了非常精良的代码工作,SC2LE有以下几个优点:
总的来说,SC2LE真的是非常友好的一个研究平台,值得大家入手研究,也相信未来会有越来越多的人工智能玩星际2的成果出来!