[PYTHON] Ouvrez AI Gym pour apprendre avec le poteau de chariot contrôlé par PD

Je l'ai posté car cela fonctionnait bien lorsque j'ai déplacé CartPole-v0 d'OpenAI Gym avec contrôle PD. L'utilisation est trop différente, mais je pense que c'est suffisant en tant que démo pour apprendre à l'utiliser.

L'algorithme de contrôle est un contrôle PD avec des applaudissements positifs et négatifs (c'est-à-dire -1 ou +1).

Le code est ci-dessous. Toutes les explications détaillées sont écrites dans le code. Il est également répertorié sur github.

cart_pole_pd.py

# coding : utf-8

#CartPole utilisant un agent de contrôle PD a applaudi positif et négatif-Démonstration de la v0

#Signification de la valeur
#  observation : [Position du chariot(Unité inconnue),Vitesse du chariot(Unité inconnue),Angle de pôle(Radian),Vitesse angulaire du pôle(Unité inconnue)]
#  action : 0->-1, 1->+1
#  step : 100step =1 seconde
#Conditions de sortie:Inclinaison de plus de 15 degrés ou 2.4(Unité inconnue)Déplacez-vous du centre ou 200 étapes

import agents
import gym
from gym import wrappers

video_path = './video' #Chemin pour enregistrer la vidéo
n_episode = 1 #Nombre d'épisodes
n_step = 200 #Nombre d'étapes
#Paramètres de contrôle PD(Au fait, cela ne fonctionne pas si seul le contrôle P est utilisé.)
#* Puisqu'il est applaudi en positif et en négatif, seul le ratio est significatif
kp = 0.1
kd = 0.01

myagent = agents.PDAgent(kp, kd) #Agent de contrôle PD applaudi par positif et négatif
env = gym.make('CartPole-v0') #Création d'environnement
#Classe Wrap pour l'environnement qui enregistre les vidéos dans le répertoire spécifié
# force=Vrai: efface automatiquement le fichier du moniteur précédent
env = wrappers.Monitor(env, video_path, force=True)
for i_episode in range(n_episode):
    observation = env.reset() #Initialisation environnementale et acquisition d'observation initiale
    for t in range(n_step):
        env.render() #Afficher l'environnement(Mais il s'affiche sans utiliser Monitor)
        print(observation)
        action = myagent.action(observation) #Obtenir une action de la classe d'agent
        observation, reward, done, info = env.step(action) #Faites un pas
        if done: #Drapeau de fin
            print('Episode finished after {} timesteps'.format(t+1))
            break

agents.py

# coding: utf-8

import random

#Agent aléatoire
class RandomAgent():
    def action(self):
        return random.randint(0, 1) #Renvoie un nombre aléatoire entier compris entre 0 ou plus et 1 ou moins

#Agent de contrôle PD applaudi par positif et négatif
class PDAgent():
    def __init__(self, kp, kd):
        self.kp = kp
        self.kd = kd

    def action(self, observation):
        m = self.kp * observation[2] + self.kd * observation[3] #Calculer le montant de l'opération
        if m >= 0:
            return 1
        if m < 0:
            return 0