Ubuntu下常用强化学习实验环境搭建(MuJoCo, OpenAI(2)

和OpenAI Gym类似，rllab也是一个研究强化学习算法的框架。官方网站为https://github.com/openai/rllab。官方支持python 3.5+，基于Theano。与OpenAI Gym的区别在于OpenAI Gym支持更广泛的环境，且提供在线的scoreboard可以用于共享训练结果。rllab自己也提供一个基于pygame的可视环境，同时它也可兼容OpenAI Gym。除此之外，它提供了一些强化学习算法的实现，这些参考实现和一些组件可以使得强化学习算法的开发更快上手。安装步骤可按照官方网站：https://rllab.readthedocs.io/en/latest/user/installation.html。

export PYTHONPATH=path_to_rllab:$PYTHONPATH ./scripts/setup_linux.sh

如果要想要在rllab中用MuJoCo的话再用下面脚本安装。

./scripts/setup_mujoco.sh

rllab使用的是mujoco 1.31版本，这个脚本里会让指定相应的mujoco包和license key文件。以上安装脚本中会创建Anaconda环境，名为rllab3。通过下面命令进入环境：

source activate rllab3

然后就可以运行例子了。比如用TRPO算法训练Cart-Pole场景的话，运行：

python examples/trpo_gym_cartpole.py

这些sample中默认是无UI的，如果要有UI，可以搜索其中的plot=True，将之反注释即可。

如果你很和我一样穷，用的是贫民版GPU，加速时分不出memory的话：
RuntimeError: Cuda error: kernel_reduce_ccontig_node_m28488bfe450723ef20f18edd8e611eb0_0: out of memory. (grid: 1 x 1; block: 256 x 1 x 1)
可以退一步让Theano用纯CPU跑：

export THEANO_FLAGS=device=cpu DeepMind Lab

DeepMind Lab（原Labyrinth）是由DeepMind发布的3D迷宫场景强化学习平台。之前是DeepMind内部使用的，后来开源了。官方介绍https://deepmind.com/blog/open-sourcing-deepmind-lab/。论文 https://arxiv.org/pdf/1612.03801.pdf。源码位于https://github.com/deepmind/lab。
最好在Python 2.7环境下编译运行。比如用Anaconda创建Python 2.7环境并进入：

conda create --name py27 python=2.7 source activate py27

然后按官方readme中的说明（https://github.com/deepmind/lab/blob/master/docs/build.md）安装。由于编译是基于bazel，所以需要先安装bazel。

sudo apt-get install lua5.1 liblua5.1-0-dev libffi-dev gettext freeglut3-dev libsdl2-dev libosmesa6-dev python-dev python-numpy realpath git clone https://github.com/deepmind/lab cd lab bazel build :deepmind_lab.so --define headless=glx bazel run :python_module_test --define headless=glx

如果在Anaconda环境中，有可能碰到下面错误：
ImportError: cannot import name multiarray
表面上是缺少numpy，可以先看下numpy有没有装，没有的话可以用conda install numpy安装。如果装了有可能是串到~/.local或者/usr/lib/下的python package了（可以通过python -c "import sys; from pprint import pprint as p; p(sys.path)"检查）。简单点的方法就是将除了Anaconda环境下的numpy删除。

sudo apt-get remove python-numpy sudo ~/.local/bin/pip2.7 uninstall numpy

接下来，按readme说明，通过下面命令可以分别跑agent玩家和人类玩家的迷宫场景：

bazel run :random_agent --define headless=false -- --length=10000 --width=640 --height=480 bazel run :game -- --level_script tests/demo_map

然后通过python api（https://github.com/deepmind/lab/blob/master/docs/python_api.md）就可以让强化学习算法利用该环境进行训练了。

TORCS

TORCS（The Open Racing Car Simulator）是一个跨平台的赛车游戏模拟器，也可作为强化学习的研究平台。官方网站：。但我们不需直接从官网下。gym_torcs是一个TORCS的强化学习环境，提供类似前面OpenAI Gym的接口，网站为https://github.com/ugo-nama-kun/gym_torcs。

假设已安装了上面提到的OpenAI Gym。还需要安装依赖：

sudo apt-get install xautomation

官方声明依赖Python 3.5，那就进入Python 3的环境（假设已创建Python 3.5的Anaconda环境py35）：

source activate py35

然后用conda install numpy安装numpy。
下载源码：

git clone https://github.com/ugo-nama-kun/gym_torcs.git

然后进入其vtorcs-RL-color子目录，按其中readme编译安装定制版torcs。安装完了运行torcs命令就能看到界面了。注意按readme说明需要进行一些设置，如赛道以及分辨率，因为实现中只支持64x64分辨率。运行示例代码可以跑一个随机选取动作的agent。

python example_experiment.py

ps:截图还是用了默认分辨率，因为64x64太小看不清。

Readme中的Simple How-To示例了如何在Python中与该环境交互，然后就可以开发测试强化学习算法了。网上有个实现DDPG算法的例子可以参考：https://yanpanlau.github.io/2016/10/11/Torcs-Keras.html

PySC2（StarCraft II）