我有一个任务，要制作一个AI代理，学习使用ML玩视频游戏 . 我想在 OpenAI 中创建一个新环境，因为我不想在现有环境中工作 . 我该如何创建一个新的环境 . 另外，有没有其他方法可以让我开始制作AI Agent来播放特定的视频游戏而无需 OpenAI 的帮助？我是初学者，所以任何帮助/起跑方向都将受到赞赏 .

2 回答

在极小的环境中查看我的banana-gym .

创建新环境

请参阅存储库的主页面：

https://github.com/openai/gym/tree/master/gym/envs#how-to-create-new-environments-for-gym

步骤是：

使用PIP包结构创建新存储库

它看起来应该是这样的

gym-foo/
  README.md
  setup.py
  gym_foo/
    __init__.py
    envs/
      __init__.py
      foo_env.py
      foo_extrahard_env.py

有关其内容，请点击上面的链接 . 那里没有提到的细节特别是 foo_env.py 中的某些函数应该是什么样子 . 查看示例和gym.openai.com/docs/有帮助 . 这是一个例子：

class FooEnv(gym.Env):
    metadata = {'render.modes': ['human']}

    def __init__(self):
        pass

    def _step(self, action):
        """

        Parameters
        ----------
        action :

        Returns
        -------
        ob, reward, episode_over, info : tuple
            ob (object) :
                an environment-specific object representing your observation of
                the environment.
            reward (float) :
                amount of reward achieved by the previous action. The scale
                varies between environments, but the goal is always to increase
                your total reward.
            episode_over (bool) :
                whether it's time to reset the environment again. Most (but not
                all) tasks are divided up into well-defined episodes, and done
                being True indicates the episode has terminated. (For example,
                perhaps the pole tipped too far, or you lost your last life.)
            info (dict) :
                 diagnostic information useful for debugging. It can sometimes
                 be useful for learning (for example, it might contain the raw
                 probabilities behind the environment's last state change).
                 However, official evaluations of your agent are not allowed to
                 use this for learning.
        """
        self._take_action(action)
        self.status = self.env.step()
        reward = self._get_reward()
        ob = self.env.getState()
        episode_over = self.status != hfo_py.IN_GAME
        return ob, reward, episode_over, {}

    def _reset(self):
        pass

    def _render(self, mode='human', close=False):
        pass

    def _take_action(self, action):
        pass

    def _get_reward(self):
        """ Reward is given for XY. """
        if self.status == FOOBAR:
            return 1
        elif self.status == ABC:
            return self.somestate ** 2
        else:
            return 0

使用您的环境

import gym
import gym_foo
env = gym.make('MyEnv-v0')

例子

回复于 2024-04-27T19:47:14+08:00

12

绝对有可能 . 他们在文档页面中这么说，接近结尾 .

https://gym.openai.com/docs

至于如何做，你应该看一下现有环境的源代码以获得灵感 . 它在github中可用：

https://github.com/openai/gym#installation

他们的大多数环境都没有从头开始实现，而是围绕现有环境创建了一个包装器，并为其提供了一个便于强化学习的界面 .

如果你想自己做，你应该朝这个方向努力，并尝试适应健身房界面已经存在的东西 . 虽然很有可能这非常耗时 .

There is another option that may be interesting for your purpose. It's OpenAI's Universe

https://universe.openai.com/

它可以与网站集成，以便您在kongregate游戏中训练模型 . 但宇宙并不像健身房那么容易使用 .

如果您是初学者，我的建议是您从标准环境中的vanilla实现开始 . 在你通过基础知识的问题后，继续增加......

回复于 2024-04-27T19:47:14+08:00

是否有可能在OpenAI中创建一个新的健身房环境？

2 回答

创建新环境

使用您的环境

例子

相关问题