Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision | ||
|
software:simulatorgym [2019/02/12 14:57] mgp3212019 |
software:simulatorgym [2020/07/03 17:18] (current) mai ↷ Page moved from simulatorgym to software:simulatorgym |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | **LE SIMULATEUR GYM** | + | ======Le simulateur Gym======= |
| - | **Présentation de Gym** | + | =====Présentation de Gym===== |
| Gym c’est une boite à outil qui propose plusieurs environnements de simulation pour des algorithmes de renforcement et d’apprentissage. | Gym c’est une boite à outil qui propose plusieurs environnements de simulation pour des algorithmes de renforcement et d’apprentissage. | ||
| Line 16: | Line 16: | ||
| Pour des raisons de compatibilités avec l’algorithme d’apprentissage que nous avions, notre intérêt c’est porté sur les environnements Box2D et MuJoCo. | Pour des raisons de compatibilités avec l’algorithme d’apprentissage que nous avions, notre intérêt c’est porté sur les environnements Box2D et MuJoCo. | ||
| - | **Installation de Gym** | + | =====Installation de Gym===== |
| Gym est simplement une librairie python qui offre des fonctionnalités. Ainsi, sont installations est simple : | Gym est simplement une librairie python qui offre des fonctionnalités. Ainsi, sont installations est simple : | ||
| - | pip install gym | + | <code>pip install gym</code> |
| Une seconde méthode existe en installant directement le package via git | Une seconde méthode existe en installant directement le package via git | ||
| + | <code> | ||
| git clone https://github.com/openai/gym | git clone https://github.com/openai/gym | ||
| cd gym | cd gym | ||
| pip install -e . | pip install -e . | ||
| + | </code> | ||
| - | **Les fonctionnalités de Gym** | + | =====Les fonctionnalités de Gym===== |
| Une fois que l’installation est fait, on peut commencer à s’amuser avec des fonctionnalités de base : | Une fois que l’installation est fait, on peut commencer à s’amuser avec des fonctionnalités de base : | ||
| + | |||
| **gym.make(“environment name”)** : retourne l’environnement dont le nom a été passé en paramètre | **gym.make(“environment name”)** : retourne l’environnement dont le nom a été passé en paramètre | ||
| + | |||
| **env.reset()** : reset l’environnement, retourne l’observation initiale | **env.reset()** : reset l’environnement, retourne l’observation initiale | ||
| + | |||
| **env.render()** : permet d’afficher la fenêtre de simulation. | **env.render()** : permet d’afficher la fenêtre de simulation. | ||
| + | |||
| **env.step()** : exécute une action et retourne 4 paramètres (observation, reward, done, info) | **env.step()** : exécute une action et retourne 4 paramètres (observation, reward, done, info) | ||
| + | |||
| La fonction env.step() prend en paramètre une action et retourne les 4 paramètres suivants : | La fonction env.step() prend en paramètre une action et retourne les 4 paramètres suivants : | ||
| + | |||
| **observation** : un objet spécifique à l’environnement représentant une observation | **observation** : un objet spécifique à l’environnement représentant une observation | ||
| + | |||
| **reward** : un nombre de récompense obtenu par l’action précédente | **reward** : un nombre de récompense obtenu par l’action précédente | ||
| + | |||
| **done** : une valeur booléenne qui indique si il faut reset l’environnement ou non | **done** : une valeur booléenne qui indique si il faut reset l’environnement ou non | ||
| + | |||
| **info** : des informations de diagnostic utile pour le débuggage | **info** : des informations de diagnostic utile pour le débuggage | ||
| + | |||
| Il est important de noter que ces informations dépendent de l’environnement dans lequel elles sont définies. | Il est important de noter que ces informations dépendent de l’environnement dans lequel elles sont définies. | ||
| - | Les actions sont effectuées par un agent, et la suite des évènements peut être représenté à l’aide du schéma suivant : | ||
| + | =====Les environnements de Gym===== | ||
| - | |||
| - | **Les environnements de Gym** | ||
| Gym propose plusieurs type d’environnement et plusieurs environnements par type. | Gym propose plusieurs type d’environnement et plusieurs environnements par type. | ||
| Au début, notre choix était porté vers l’environnement CarRacing-v0, avec la vue de dessus mais il c’est avéré que les observations retournés étaient au format image avec un tableau 96x96x3 de nombre correspondant à des couleurs | Au début, notre choix était porté vers l’environnement CarRacing-v0, avec la vue de dessus mais il c’est avéré que les observations retournés étaient au format image avec un tableau 96x96x3 de nombre correspondant à des couleurs | ||
| Line 56: | Line 65: | ||
| Donc au final, l’environnement le plus adapté suivant toutes nos contraintes était l'environnement BipedalWalker-v2, malgré le fait que la vue soit de côté, les observations conviennent bien à l’algorithme d’apprentissage. | Donc au final, l’environnement le plus adapté suivant toutes nos contraintes était l'environnement BipedalWalker-v2, malgré le fait que la vue soit de côté, les observations conviennent bien à l’algorithme d’apprentissage. | ||
| - | **Notre développement** | + | =====Notre développement===== |
| Pour le code, nous avons chacun développez un code qui fait l’interface entre l’algorithme d’apprentissage et le simulateur. Pour avoir une interface commune nous avons créez une classe abstraite dont nous héritons et implémentons les méthodes. De ce fait, nous utilisons les mêmes noms de méthodes pour chaque simulateur mais leur implémentations est différentes | Pour le code, nous avons chacun développez un code qui fait l’interface entre l’algorithme d’apprentissage et le simulateur. Pour avoir une interface commune nous avons créez une classe abstraite dont nous héritons et implémentons les méthodes. De ce fait, nous utilisons les mêmes noms de méthodes pour chaque simulateur mais leur implémentations est différentes | ||
| Line 63: | Line 73: | ||
| Au final, concernant Gym, j’ai réussi à convertir l’environnement et ses données, en type Entity et ses Property, comme voulu à la base. | Au final, concernant Gym, j’ai réussi à convertir l’environnement et ses données, en type Entity et ses Property, comme voulu à la base. | ||
| - | **Utilisation du simulateur Gym** | + | =====Utilisation du simulateur Gym===== |
| **class Environment()** : Cette classe hérite de notre interface commune et implémente ses méthodes | **class Environment()** : Cette classe hérite de notre interface commune et implémente ses méthodes | ||
| Line 87: | Line 97: | ||
| **if __main__==”__main__”**: | **if __main__==”__main__”**: | ||
| + | |||
| Fonction d’exemple d’utilisation avec l’environnement BipedalWalker, 100 timesteps, une affiche de l’environnement dans une fenêtre et toutes les actions effectués d’un coup. | Fonction d’exemple d’utilisation avec l’environnement BipedalWalker, 100 timesteps, une affiche de l’environnement dans une fenêtre et toutes les actions effectués d’un coup. | ||
| Pour avoir un mode interactif action par action, passer le paramètre self.interactiveMode à True ligne 16 | Pour avoir un mode interactif action par action, passer le paramètre self.interactiveMode à True ligne 16 | ||
| + | |||
| Pour avoir un mode sans l’affichage de la fenêtre, passer le paramètre self.displayMode à False ligne 75 | Pour avoir un mode sans l’affichage de la fenêtre, passer le paramètre self.displayMode à False ligne 75 | ||
| + | |||
| Pour changer le nombre de Timesteps changer la valeur de n, ligne 28. | Pour changer le nombre de Timesteps changer la valeur de n, ligne 28. | ||
| + | |||
| Exemple de code | Exemple de code | ||
| + | <code> | ||
| #!/usr/bin/env python | #!/usr/bin/env python | ||
| # coding: utf-8 | # coding: utf-8 | ||
| Line 133: | Line 148: | ||
| if (done == 1): | if (done == 1): | ||
| break | break | ||
| + | </code> | ||
| Ci-dessous notre classe abstraite : | Ci-dessous notre classe abstraite : | ||
| + | <code> | ||
| class scene: | class scene: | ||
| #Gasebo param is null | #Gasebo param is null | ||
| Line 155: | Line 172: | ||
| def getSimulationTime(self): | def getSimulationTime(self): | ||
| pass | pass | ||
| + | </code> | ||
| - | + | =====Documentation===== | |
| - | Documentation | + | |
| Le simulateur Gym est dépendant des environnements qui existent, si vous ne trouvez pas d’environnements qui vous conviennent, il est possible de créer son propre environnement. Je n’ai pas eu l’occasion d'approfondir cette partie donc voici la documentation associé : https://github.com/openai/gym/tree/master/gym/envs#how-to-create-new-environments-for-gym | Le simulateur Gym est dépendant des environnements qui existent, si vous ne trouvez pas d’environnements qui vous conviennent, il est possible de créer son propre environnement. Je n’ai pas eu l’occasion d'approfondir cette partie donc voici la documentation associé : https://github.com/openai/gym/tree/master/gym/envs#how-to-create-new-environments-for-gym | ||