apprentissage_par_renforcement
Différences
Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédente | ||
apprentissage_par_renforcement [2020/12/30 17:33] – [Keras, le framework créé par un ingénieur français] serge | apprentissage_par_renforcement [2022/02/10 07:52] (Version actuelle) – [Apprentissage Par Renforcement] serge | ||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
====== Apprentissage Par Renforcement ====== | ====== Apprentissage Par Renforcement ====== | ||
- | |||
<WRAP center round box 60% centeralign> | <WRAP center round box 60% centeralign> | ||
**{{tagpage> | **{{tagpage> | ||
Ligne 7: | Ligne 6: | ||
**[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]** | **[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]** | ||
</ | </ | ||
- | |||
{{ : | {{ : | ||
+ | |||
+ | ===== Le Hello World de l' | ||
+ | <WRAP group> | ||
+ | <WRAP third column> | ||
+ | Linéaire: | ||
+ | {{youtube> | ||
+ | </ | ||
+ | <WRAP third column> | ||
+ | Rotatif: | ||
+ | {{youtube> | ||
+ | </ | ||
+ | <WRAP third column> | ||
+ | Flying: | ||
+ | {{youtube> | ||
+ | </ | ||
+ | </ | ||
+ | * Rotary Inverted Pendulum: Swing Up and Stabilization https:// | ||
+ | * Double Inverted Furuta Pendulum https:// | ||
+ | * Furuta Pendulum avec une belle finition https:// | ||
=====Apprentissage par renforcement===== | =====Apprentissage par renforcement===== | ||
* **[[https:// | * **[[https:// | ||
- | ====Directeur | + | ====Directeur |
{{ youtube> | {{ youtube> | ||
Le directeur de l' | Le directeur de l' | ||
- | |||
{{ : | {{ : | ||
- | =====Ressources===== | + | |
+ | =====Q-learning===== | ||
+ | ==== Ressources | ||
* [[https:// | * [[https:// | ||
* [[https:// | * [[https:// | ||
+ | * Le [[https:// | ||
+ | * [[https:// | ||
+ | * [[https:// | ||
+ | * [[https:// | ||
+ | * [[https:// | ||
- | =====Frameworks possibles===== | + | ====Principe vulgarisé d'une boucle PID=== |
+ | * [[https:// | ||
- | | + | Dans une boucle de régulation, |
+ | {{ : | ||
+ | Une boucle PID (proportionnelle dérivée intégrale) est très performante: | ||
+ | {{ : | ||
+ | |||
+ | ====Principe vulgarisé de l' | ||
+ | **RL = Reinforcement Learning = Apprentissage par Renforcement** | ||
+ | {{ : | ||
+ | L'IA (Intelligence Artificielle) dont nous parlons ici n'est pas intelligente, | ||
+ | Dans l' | ||
+ | L' | ||
+ | L' | ||
+ | L’**environnement** est l' | ||
+ | La **récompense** est calculée en fonction de l' | ||
+ | Une nouvelle **action** est calculée par l' | ||
+ | [[https:// | ||
+ | Dans [[https:// | ||
+ | |||
+ | =====Frameworks possibles===== | ||
====Gym de OpenAI==== | ====Gym de OpenAI==== | ||
===OpenAI=== | ===OpenAI=== | ||
- | * **[[https://openai.com/|openai.com]]** | + | [[https://fr.wikipedia.org/wiki/OpenAI|fr.wikipedia.org]] **[[https:// |
- | [[https://fr.wikipedia.org/ | + | |
===Gym=== | ===Gym=== | ||
- | * https:// | + | Gym is a toolkit for developing and comparing reinforcement learning algorithms: [[https:// |
- | * https:// | + | |
- | * http:// | + | |
- | ====Horizon de Facebook serait devenu ReAgent==== | + | ====Baselines vs Stable-baselines vs Stable-baselines3==== |
- | * [[https:// | + | ===Baselines=== |
- | | + | [[https:// |
- | * [[https:// | + | |
- | * [[https:// | + | |
+ | ===Stable-baselines=== | ||
+ | Le code de Stable-baselines est le code de Baselines nettoyé, amélioré, documenté. **[[https:// | ||
- | ====Dopamine de Google==== | + | sudo pip3 install stable-baselines |
- | * [[https:// | + | |
- | Introducing a New Framework for Flexible and Reproducible Reinforcement Learning Research @ ai.googleblog.com]] | + | |
- | * [[https:// | + | |
- | * [[https:// | + | |
+ | ===Stable-baselines3=== | ||
+ | **[[https:// | ||
+ | sudo pip3 install stable-baselines3 stable-baselines3[extra] | ||
- | ====Keras, le framework créé par un ingénieur français==== | + | =====Modélisation d'un système physique===== |
- | | + | Pour les exemples de la doc du pendule, compris dans gym, les calculs physiques sont quelques lignes |
+ | dans le fichier de " | ||
+ | Un fichier pour le tester: [[https:// | ||
- | =====Q-learning===== | + | Dans le § suivant, un pendule est modélisé dans un moteur de rendu 3D qui représente ce que serait un vrai pendule de la vie réelle: il n'est pas possible d' |
- | ==== Ressources ==== | + | Pour faire des recherches et simuler l' |
- | * Le [[https://fr.wikipedia.org/wiki/Q-learning|Q-learning]] est une technique d' | + | =====Le jeu du pendule dans Blender===== |
- | * [[https://winderresearch.com/a-comparison-of-reinforcement-learning-frameworks-dopamine-rllib-keras-rl-coach-trfl-tensorforce-coach-and-more/|Dopamine, RLLib, Keras-RL, Coach, TRFL, Tensorforce, | + | * **[[https://github.com/ |
- | * [[https://larevueia.fr/apprentissage-par-renforcement/|Apprentissage par renforcement]] @ larevueia.fr Article général. | + | ====Installation==== |
- | * [[https://neptune.ai/blog/the-best-tools-for-reinforcement-learning-in-python|The Best Tools for Reinforcement Learning | + | * Debian 10 Buster |
- | * KerasRL | + | * python 3.7 |
- | * Tensorforce | + | * blender game engine 2.79 |
- | * Pyqlearning | + | * stable-baselines [[apprentissage_par_renforcement# |
- | * RL_Coach | + | * [[https:// |
- | * TFAgents | + | * CUDA: Pour une carte graphique, [[https:// |
- | * MAME RL | + | |
- | * MushroomRL | + | ===gym=== |
- | + | gym est installé dans le système avec l' | |
- | + | ||
+ | import sys | ||
+ | sys.path.append('my_gym' | ||
+ | import gym | ||
+ | |||
+ | Il faut désinstaller gym | ||
+ | sudo pip3 uninstall gym | ||
+ | |||
+ | ===Modification de my_gym=== | ||
+ | Définition de mon environnement dans: **[[https:// | ||
+ | Un fichier obtenu avec un apprentissage | ||
+ | |||
+ | ====Modélisation==== | ||
+ | La modélisation d'un pendule dans Blender avec le moteur physique intégré (Bullet) est délicate. | ||
+ | ===Un axe static et un cube Rigid Body avec un trou=== | ||
+ | {{: | ||
+ | {{: | ||
+ | {{: | ||
+ | {{: | ||
+ | Le pendule fini rapidement par se décrocher de l'axe, si un vertex du trou est dans l'axe sur une frame, | ||
+ | |||
+ | ===Constraint Rigid Body Joint=== | ||
+ | Cette 2ème solution permet de bien faire tourner le pendule, par contre le stabiliser verticalement est corriace. Le Empty a été remplacer par un Cube en Dynamic avec une masse de 1 et le pendule une masse de 0.1 | ||
+ | <WRAP group> | ||
+ | <WRAP third column> | ||
+ | **Axe** | ||
+ | {{ : | ||
+ | {{ : | ||
+ | </ | ||
+ | <WRAP third column> | ||
+ | **Rigid Body Joint** | ||
+ | {{ : | ||
+ | </ | ||
+ | <WRAP third column> | ||
+ | **Pendule** | ||
+ | {{ : | ||
+ | </ | ||
+ | </ | ||
+ | |||
+ | ===Bullet dans blender=== | ||
+ | Le moteur physique de Blender est Bullet. Il vit sa vie en parallèle du moteur de jeu, une commande demandée dans un script python sur une frame agit dans le moteur physique lors des frames suivantes mais en interaction avec la physique en cours. Le script python n'est pas un dictateur qui donne des ordres strictes à Bullet. \\ | ||
+ | Il est important | ||
+ | {{ : | ||
+ | |||
+ | Exemple d'un reset position et orientation sur 25 frames: [[https:// | ||
+ | Le fps est défini à 120 dans le panneau de rendu, le script once.py défini bge.logicsetLogicTicRate(120). Le FPS affiché est calculé avec time(). | ||
+ | |||
+ | ====Lancement du jeu==== | ||
+ | Lancer blender comme ci-dessus et le script **[[https://github.com/sergeLabo/ | ||
+ | |||
+ | blenderplayer ./ | ||
+ | et dans un autre terminal, pour l' | ||
+ | python3 my_cartpole_ppo2_train.py | ||
+ | ou pour le rendu | ||
+ | python3 my_cartpole_ppo2_rendu.py | ||
+ | |||
+ | ===Remarque=== | ||
+ | Le jeu (avec blenderplayer ...) ne doit être lancé qu'une seule fois! On peut lancer ou stopper le script python ou Blender, à son bon vouloir, la reconnexion est automatique. Çà c'est trop fort et super génial! | ||
+ | |||
+ | ====Résultat du 1er essai==== | ||
+ | |||
+ | {{ : | ||
+ | |||
+ | Avec un apprentissage de quelques heures .... | ||
+ | |||
+ | =====Comment est définit l' | ||
+ | **Objectif = target = goal = but**\\ | ||
+ | Le goal est définit par les règles définissant le " | ||
+ | Dans l' | ||
+ | Exemple extrait de Swing Up | ||
+ | <code python> | ||
+ | # La récompense est définie ici, le goal est 0 | ||
+ | |||
+ | # Reward_teta is 1 when teta is 90 soit np.cos(teta) de 0 to 90 or -90 to 0, | ||
+ | # 0 if between 90 and 270 or -270 to -90 | ||
+ | # 0 < Reward_teta < 1 | ||
+ | reward_teta = max(0, np.cos(teta)) | ||
+ | |||
+ | # Récompense sur x: 1 au centre (x=0), 0 si x = +ou-self.x_threshold | ||
+ | reward_x = np.cos((x / self.x_threshold) * (np.pi / 2.0)) | ||
+ | |||
+ | # La récompense totale | ||
+ | reward = reward_teta * reward_x | ||
+ | </ | ||
+ | Ici, il y a une récompense si le pendule est au-dessus du diamètre horizontal. Plus il est près de la position verticale, plus la récompense est grande. Sinon la récompense est nulle. | ||
+ | ===== Relèvement du pendule appelé Swing-up===== | ||
+ | Les [[https:// | ||
+ | Les sources sont dans le dossier **[[https:// | ||
+ | Ce pendule a été construit dans l' | ||
+ | |||
+ | {{ : | ||
+ | |||
+ | L' | ||
+ | |||
+ | =====Quelques explications===== | ||
+ | ====Relations scripts vs Blender==== | ||
+ | L' | ||
+ | L' | ||
+ | Dans step(action), | ||
+ | |||
+ | **Dans gym**, dans my_cartpole.py\\ | ||
+ | step() retourne l' | ||
+ | Si done = 1, un [[https://github.com/sergeLabo/ | ||
+ | done = 1 si 20 < x ou x < 20 ou teta > 0.1 ou teta < -0.1, donc si le chariot est trop décalé, ou si le pendule est parti pour tomber. Il y a aussi un nombre maxi d' | ||
+ | Une récompense (reward) est calculée à chaque step.\\ | ||
+ | Le principe est le même dans my_swing_continuous.py | ||
+ | ====Comment a été amélioré le SwingUp ?==== | ||
+ | ===Actions discrètes ou continues=== | ||
+ | | ||
+ | * Pour SwingUp de l' | ||
+ | |||
+ | Définition des actions, avec 2 valeurs possibles: 0 ou 1, 0 = force à gauche, 1 = force à droite | ||
+ | action_space = spaces.Discrete(2) | ||
+ | |||
+ | Définition des actions de SwingUp, avec des valeurs possibles entre -1 et 1 | ||
+ | action_space = spaces.Box(-1.0, | ||
+ | |||
+ | ===Algorithme d' | ||
+ | L' | ||
+ | |||
+ | ===Récompense revue pour les débuts des calculs==== | ||
+ | La plage de récompense sur x a été réduite à +ou- 2. le chariot ne fonce plus en bout de course.\\ | ||
+ | Après un long apprentissage, | ||
+ | * Si le pendule est proche de la position verticale avec une vitesse angulaire faible, la récompense " | ||
+ | * Si la vitesse est proche de la vitesse angulaire maxi (environ=5), | ||
+ | |||
+ | reward_total = reward_chariot * reward_balancier * RV | ||
+ | |||
+ | =====Repartir d'un apprentissage terminé et Enregistrement intermédiaire===== | ||
+ | Comment repartir du fichier PPO2_Swing_35.zip, | ||
+ | |||
+ | <code python> | ||
+ | import gym | ||
+ | from time import time, strftime | ||
+ | from stable_baselines.common.policies import MlpPolicy | ||
+ | from stable_baselines.common import make_vec_env | ||
+ | from stable_baselines import PPO2 | ||
+ | |||
+ | log = strftime(" | ||
+ | env = make_vec_env(' | ||
+ | model = PPO2.load(" | ||
+ | for i in range(20): | ||
+ | model.learn(total_timesteps=100000) | ||
+ | partial = " | ||
+ | model.save(partial, | ||
+ | </ | ||
+ | |||
+ | =====Ressources complémentaires===== | ||
+ | ====Quels sonts les défauts de Gym ?==== | ||
+ | Gym impose un cadre pour tous les chercheurs de RL, ce qui permet de faire des comparaisons entre les solutions.\\ | ||
+ | Mais cela empêche de trouver des solutions originales. En Intelligence Artificielle, | ||
+ | |||
+ | ====Réflexions philosophiques==== | ||
+ | * Ce type d' | ||
+ | * Encore pratiqué dans l' | ||
+ | ====Gym CartPole Ressources==== | ||
+ | |||
+ | * [[https:// | ||
+ | |||
+ | ====pybullet===== | ||
+ | * **[[pybullet|pybullet]]** est un module permettant de simuler un **[[pybullet|Reinforcement Learning]]**.\\ | ||
+ | |||
+ | Bullet est le moteur physique | ||
+ | |||
+ | |||
+ | |||
+ | ====Un cartpole réel documenté mais sans RL==== | ||
+ | {{youtube> | ||
+ | |||
+ | * Sergey Royz: Stabilizing pendulum on a cart with full state feedback control | ||
+ | * Articles: [[https:// | ||
+ | * Hardware used in the project: | ||
+ | * DC motor, 12V, gearbox 5:1 [[https:// | ||
+ | * Incremental rotary encoder LPD3806-600BM-G5-24C 600 PPR (motor) Recherche sur [[https:// | ||
+ | * Incremental rotary encoder OMRON E6B2-CWZ6C 2500 PPR (pendulum) | ||
+ | * Power supply 12V, 4A [[https:// | ||
+ | * 10Amp 5V-30V DC Motor Driver [[https:// | ||
+ | | ||
+ | * Source code: https:// | ||
- | * [[https:// | ||
{{tag>ia sb}} | {{tag>ia sb}} |
apprentissage_par_renforcement.txt · Dernière modification : 2022/02/10 07:52 de serge