ML-Agents（三）3DBall例子

ML-Agents（三）3DBall例子

前一周忙着公司的考试，都没有怎么学新的，今天补上~
以后的记录，我准备先只研究官方的示例，主要是把研究过程当中的疑惑和想法记下来。首先我先补充一下如何利用GPU进行训练，结合（一）中的安装方法，须要CUDA v10.0，cuDNN v7.6.5 for CUDA v10.0，对应Tensorflow的版本是2.0.1。

1、利用GPU进行训练

前置工做在文章（一）中都有，原先的环境能够保留。如今能够拉一个新的ml-agents源码，而后修改ml-agents文件下的setup.py中以下图：

原来是"tensorflow>=1.7,<2.1"，如今修改成"tensorflow-gpu>=1.7,<2.1"，而后再在Anaconda中新建一个环境，以下：

建好后在命令行中从新安装环境（别忘记cd到新的ml-agents源码），分别输入：

pip install -e ml-agents-envs -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

pip install -e ml-agents -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

就是分别安装两个环境，能够发现他会自动下载tensorflow_gpu-2.0.1，以下图：

配置好后，在Unity对应的Agent脚本上，也须要将Inference Device勾选为GPU，而后按之前的方法开始训练，就能够了。

2、3DBall

官方示例中，3Dball是一个比较简单的例子，主要运用了reinforcement learning（强化学习）。就是小球在平台上，萌版平台要控制本身绕x、z轴旋转，从而保持小球在本身头上不掉下来。

现根据官方文档翻译一下：

• 设置：一个平衡球任务，agent须要保持小球在其脑壳上的平衡

• 目标：Agent必须尽量长时间地保持球在头顶的平衡

• Agent设置：环境中包含12个想同类型的agent，所有使用一样的行为参数

• Agent奖励设置：

  • 小球每一步保持在方块头顶上就奖励+0.1

  • 若是小球掉落，惩罚-0.1

• 行为参数

  • 矢量观察空间：8个变量，包括agent方块的旋转角度（两个值，x、z轴方向），球和方块之间的相对位置关系（Vector3），球上刚体的速度（Vector3）
  • 矢量动做空间：类型为Continuous，Size为2，分别控制绕x轴旋转、绕z轴旋转

• Float属性：三个

  • scale（比例）：小球的比例，默认为1，推荐最小值为0.2，最大值为5
  • gravity（重力）：重力加速度，默认为9.81，推荐最小值4，最大值为105
  • mass（质量）：小球的质量，默认为1，推荐最小值为0.1，最大值为20

• 基准平均奖励：100

OK，上面是借鉴官方文档，随意翻译了一下，大概能够了解3DBall主要用途和一些主要参数，里面的Float属性我这里不是很明白，在代码中是用在Agent.InitializeAgent()中的SetResetParameters()，这个方法顾名思义应该是对Agent进行初始化的操做。也许在这里，咱们能够任意修改小球的比例、质量、重力加速度来改变小球在不一样的状况下，训练的效果如何吧。

3DBall代码分析

看到目前为止，ml-agents其中的精华就在agent的脚本如何设置了，咱们下面来分析一下Ball3DAgent代码。

初始化

public class Ball3DAgent : Agent
{
    [Header("Specific to Ball3D")]
    public GameObject ball;
    Rigidbody m_BallRb;
    IFloatProperties m_ResetParams;

    public override void InitializeAgent()
    {
        m_BallRb = ball.GetComponent<Rigidbody>();
        m_ResetParams = Academy.Instance.FloatProperties;
        SetResetParameters();
    }

    public void SetBall()
    {
        //从Academy中获取小球的属性（质量、比例）
        m_BallRb.mass = m_ResetParams.GetPropertyWithDefault("mass", 1.0f);
        var scale = m_ResetParams.GetPropertyWithDefault("scale", 1.0f);
        ball.transform.localScale = new Vector3(scale, scale, scale);
    }

    public void SetResetParameters()
    {
        SetBall();
    }
}

这里初始化应用了InitializeAgent()方法，这里获取了小球的刚体，而且利用SetBall()来设置了小球的质量和比例，这里的的m_ResetParams变量是Academy的FloatProperties变量，这里的变量好像是会做为环境参数传递给Python，具体的用途我也还没研究清楚，姑且先看作是初始化小球的属性。

环境观察值

直接上源码。

public override void CollectObservations(VectorSensor sensor)
{
    //平台绕Z轴旋转值
    sensor.AddObservation(gameObject.transform.rotation.z);
    //平台绕X轴旋转值
    sensor.AddObservation(gameObject.transform.rotation.x);
    //小球与平台的相对位置
    sensor.AddObservation(ball.transform.position -gameObject.transform.position);
    //小球刚体的速度
    sensor.AddObservation(m_BallRb.velocity);
}

以上一共运用了8个观察值，注意Vector3类型的变量算是3个观察值（x,y,z）。

在Ball3DHardAgent项目里，与Ball3DAgent的区别就在于这里少了小球刚体速度的收集，从而致使前者在其余设置都相同的状况下，训练效果不佳，以下图。

能够看到平台的抖动很大，就是由于没有考虑到小球的速度影响而致使训练结果天差地别，所以在用ML-Agents的时候，须要严谨的考虑环境的观测项，可能因为一个观测项的增长或删除，就致使最终学习结果的好坏，这里我也是慢慢才学习，这就是我为何要先研究官方的示例，到时候最坏也能够照猫画虎。

Agent动做反馈

这里是Agent的核心实现，观测值经过Agent收集到Brain处，Brain再经过外部Python训练环境反馈动做，再沿相同的路线返回到Agent的AgentAction(float[] vectorAction)上（这里不知道个人想法对不对），具体的代码以下。

public override void AgentAction(float[] vectorAction)
{
    //控制平台绕Z轴、X轴旋转的值
    //用Mathf.Clamp()将响应的动做值限制到-2到2
    var actionZ = 2f * Mathf.Clamp(vectorAction[0], -1f, 1f);
    var actionX = 2f * Mathf.Clamp(vectorAction[1], -1f, 1f);

    //平台绕Z轴旋转响应
    if ((gameObject.transform.rotation.z < 0.25f && actionZ > 0f) ||
            (gameObject.transform.rotation.z > -0.25f && actionZ < 0f))
    {
        gameObject.transform.Rotate(new Vector3(0, 0, 1), actionZ);
    }
	//平台绕X轴旋转响应
	if ((gameObject.transform.rotation.x < 0.25f && actionX > 0f) ||
            (gameObject.transform.rotation.x > -0.25f && actionX < 0f))
    {
        gameObject.transform.Rotate(new Vector3(1, 0, 0), actionX);
    }
    //gameObject.transform.Rotate(new Vector3(0, 0, 1), actionZ);
    //gameObject.transform.Rotate(new Vector3(1, 0, 0), actionX);
    
    //当小球在平台上，掉落或飞出平台，分别进行奖励或惩罚
    if ((ball.transform.position.y - gameObject.transform.position.y) < -2f ||
        Mathf.Abs(ball.transform.position.x - gameObject.transform.position.x) > 3f ||
        Mathf.Abs(ball.transform.position.z - gameObject.transform.position.z) > 3f)
    {
        SetReward(-1f);//惩罚1
        Done();//这次训练结束并从新开始，会调用AgentReset()
    }
    else
    {
        SetReward(0.1f);//在平台上的时候，每次动做都奖励0.1
    }
}

首先是平台对于旋转的响应，我又将两个if的条件去掉训练了一下，发现平台训练过程当中比较不稳，抖动较大，由于只要一来值就让平台旋转，可能这里会形成平台一直在调整姿态的过程当中，而源代码中，以绕Z轴为例，只有在平台Z轴旋转值<0.25f且actionZ>0、或平台Z轴旋转值>0.25f且actionZ<0时才对平台的姿态进行动做，这样就至关于设置了一个缓冲区间，不会让平台不停调整姿态，而是根据小球状况来适当调整姿态。

这里附上两次训练的tensorboard。

红色的是不加if条件的，蓝色的是官方加if的。其实从数据来看，大的趋势都差很少，不过我从训练现象来看，确实官方加if以后训练过程比较稳定。

后面的奖励代码中，有三个条件判断小球应该受到惩罚。

• (ball.transform.position.y - gameObject.transform.position.y) < -2f

  小球与平台y方向上的差值小于2，以下图：

  这里能够看出是小球掉落到平台下边，其实大多数状况是其余两种状况。

• Mathf.Abs(ball.transform.position.x - gameObject.transform.position.x) > 3f

  和Mathf.Abs(ball.transform.position.z - gameObject.transform.position.z) > 3f

  这两种放一块儿将，先来看看小球的位置：

  此时小球的x，z值都是3，能够看出小球恰好在x轴方向或者z方向滚出了平台边缘。

因此，上面三种状况只要发生一种就对小球Agent作出-1惩罚，同时调用Done()。

Agent复位

复位就比较简单了，来看代码：

public override void AgentReset()
{
	//复位平台旋转角度
    gameObject.transform.rotation = new Quaternion(0f, 0f, 0f, 0f);
    //令平台随机绕x轴旋转-10~10度
    gameObject.transform.Rotate(new Vector3(1, 0, 0), Random.Range(-10f, 10f));
    //令平台随机绕z轴旋转-10~10度
    gameObject.transform.Rotate(new Vector3(0, 0, 1), Random.Range(-10f, 10f));
    //小球刚体速度变为0
    m_BallRb.velocity = new Vector3(0f, 0f, 0f);
    //小球在y（相对平台高度）为4的地方，同时随机x、z值出现
    ball.transform.position = new Vector3(Random.Range(-1.5f, 1.5f), 4f, Random.Range(-1.5f, 1.5f))
        + gameObject.transform.position;
    //Agent重置时，同时重置参数，这里是指小球的质量和比例，其实我以为这里不必，估计以后别的项目有用
    SetResetParameters();
}

这里的代码比较简单，注释能看明白便可。

Agent手动设置

这里主要是当训练模式为Heuristic Only时调用，具体设置以下：

代码以下：

public override float[] Heuristic()
{
    var action = new float[2];

    action[0] = -Input.GetAxis("Horizontal");
    action[1] = Input.GetAxis("Vertical");
    return action;
}

这里的代码至关于咱们输入来控制动做向量空间的值，其实就是action[]数组，咱们令action[0]控制平台绕x轴的旋转，action[1]控制平台绕z轴的旋转。

能够试一下，其实要保持小球在平台上还有点难度。

至此第一个例子就研究到这，有什么问题欢迎你们一块儿探讨。

写文不易~所以作如下申明：

1.博客中标注原创的文章，版权归原做者 煦阳（本博博主） 全部；

2.未经原做者容许不得转载本文内容，不然将视为侵权；

3.转载或者引用本文内容请注明来源及原做者；

4.对于不遵照此声明或者其余违法使用本文内容者，本人依法保留追究权等。