Pythonで 倒立振子のシミュレータ を実装する
Neural Fitted Q Iterationの実験で使う倒立振子のシミュレータを書きました。 論文ではCLSquareというシステムを使って実験が行われているのですが、 頑張ってインストールしたものの上手く動かせなかったので自分で書きました。 倒立振子の運動方程式についてはこちらのスライドが詳しいです。 今回は摩擦を無視するのでスライドでいう B と C が 0 になります。 台車の重さやポールの長さなどの各種定数は、NFQの論文に倣い、 これのInverted Pendulumの実験と同じにしました。 コードはこんな感じ。 アクションは[-50N, 50N, 0N]の3種類で、[0, 1, 2]で表現しました。 do_action(a)でアクションが実行され t だけ時間が進みます。 matplotlibでビジュアライズできるようにしたので、 実行すると次のようなアニメーションが表
PythonでAIシミュレーションプラットフォームOpen AI Gym を利用して遊ぶ (DQN編) - Qiita
どうも、オリィ研究所(http://orylab.com/) の ryo_grid こと神林です。 今回はOpen AI Gymで遊んでみたので、それについて書いてみます。 Open AI Gym (https://gym.openai.com) とは AI開発者が自分のAIを動かすことのできるシミュレータを提供してくれる環境です。 Python向けにはライブラリを提供しています。 AI GymによりAI開発者やAI研究者はAIの学習ロジックの研究開発に専念でき、その可視化やシミュレーションを行う手間が省けます。また、同じシミュレーションを複数のユーザが競い合って解いているので、参加者全体でのアルゴリズムの性能向上が期待されます。 主なターゲットは強化学習によって構築されるAIです。Deep Q-Learning Network(DQN)を代表とする深層強化学習と呼ばれる手法が少し前から話
Gym
Gym is a standard API for reinforcement learning, and a diverse collection of reference environments# The Gym interface is simple, pythonic, and capable of representing general RL problems: import gym env = gym.make("LunarLander-v2", render_mode="human") observation, info = env.reset(seed=42) for _ in range(1000): action = policy(observation) # User-defined policy function observation, reward, ter
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
