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 [2021/01/28 15:05] – [Source sur Github] 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' | ===== Le Hello World de l' | ||
+ | <WRAP group> | ||
+ | <WRAP third column> | ||
Linéaire: | Linéaire: | ||
- | |||
- | {{youtube> | ||
{{youtube> | {{youtube> | ||
- | {{youtube>Lt-KLtkDlh8? | + | </WRAP> |
+ | <WRAP third column> | ||
Rotatif: | Rotatif: | ||
- | |||
- | {{youtube> | ||
- | {{youtube> | ||
{{youtube> | {{youtube> | ||
+ | </ | ||
+ | <WRAP third column> | ||
Flying: | Flying: | ||
{{youtube> | {{youtube> | ||
- | {{youtube>XxFZ-VStApo? | + | </WRAP> |
- | + | </ | |
- | Double pendule: | + | * Rotary Inverted Pendulum: Swing Up and Stabilization https:// |
- | {{youtube> | + | * 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' | ||
- | |||
{{ : | {{ : | ||
Ligne 47: | Ligne 41: | ||
* [[https:// | * [[https:// | ||
* [[https:// | * [[https:// | ||
- | * [[https:// | + | * [[https:// |
- | * KerasRL | + | |
- | * Tensorforce | + | |
- | * Pyqlearning | + | |
- | * RL_Coach | + | |
- | * TFAgents | + | |
- | * MAME RL | + | |
- | * MushroomRL | + | |
* [[https:// | * [[https:// | ||
+ | |||
+ | ====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===== | =====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/wiki/OpenAI|fr.wikipedia.org]] **OpenAI** | + | |
===Gym=== | ===Gym=== | ||
- | Gym is a toolkit for developing and comparing reinforcement learning algorithms. | + | Gym is a toolkit for developing and comparing reinforcement learning algorithms: [[https:// |
- | * [[https:// | + | |
- | * [[https:// | + | |
- | * [[http:// | + | |
====Baselines vs Stable-baselines vs Stable-baselines3==== | ====Baselines vs Stable-baselines vs Stable-baselines3==== | ||
- | OpenAI Baselines is a set of high-quality implementations of reinforcement learning algorithms. **" | ||
- | |||
===Baselines=== | ===Baselines=== | ||
- | [[https:// | + | [[https:// |
===Stable-baselines=== | ===Stable-baselines=== | ||
- | Main differences with OpenAI Baselines. This toolset is a fork of OpenAI | + | Le code de Stable-baselines est le code de Baselines |
- | | + | |
- | | + | |
- | | + | |
- | | + | |
- | * Additional algorithms: SAC and TD3 (+ HER support for DQN, DDPG, SAC and TD3) | + | |
sudo pip3 install stable-baselines | sudo pip3 install stable-baselines | ||
- | |||
- | Successfully installed Pillow-7.2.0 atari-py-0.2.6 cloudpickle-1.6.0 cycler-0.10.0 future-0.18.2 gym-0.18.0 joblib-1.0.0 kiwisolver-1.3.1 matplotlib-3.3.3 opencv-python-4.5.1.48 pandas-1.1.5 pyglet-1.5.0 pyparsing-2.4.7 python-dateutil-2.8.1 pytz-2020.5 scipy-1.5.4 stable-baselines-2.10.1 | ||
- | |||
- | * **[[https:// | ||
===Stable-baselines3=== | ===Stable-baselines3=== | ||
+ | **[[https:// | ||
- | Stable Baselines3 (SB3) is a set of reliable implementations of reinforcement learning algorithms in PyTorch. It is the next major version of Stable Baselines. | + | sudo pip3 install stable-baselines3 stable-baselines3[extra] |
- | * **[[https://stable-baselines3.readthedocs.io/en/master/|Stable-Baselines3]]** | + | =====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:// | ||
- | sudo pip3 install stable-baselines3 | + | 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' |
- | sudo pip3 install stable-baselines3[extra] | + | Pour faire des recherches et simuler l' |
- | + | ||
- | + | ||
- | * **[[https://stable-baselines3.readthedocs.io/ | + | |
=====Le jeu du pendule dans Blender===== | =====Le jeu du pendule dans Blender===== | ||
- | La modélisation d'un pendule dans Blender avec le moteur physique intégré (Bullet) est délicate. | + | |
- | + | ====Installation==== | |
- | ====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, la physics va le faire tomber dans l' | + | |
- | ====Constraint Rigid Body Joint==== | + | |
- | + | ||
- | ===Axe=== | + | |
- | {{: | + | |
- | {{: | + | |
- | + | ||
- | ===Rigid Body Joint=== | + | |
- | {{ : | + | |
- | + | ||
- | ===Pendule=== | + | |
- | {{: | + | |
- | + | ||
- | 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 | + | |
- | + | ||
- | ==== Source sur Github ==== | + | |
- | | + | |
- | + | ||
- | ===Installation=== | + | |
* Debian 10 Buster | * Debian 10 Buster | ||
* python 3.7 | * python 3.7 | ||
* blender game engine 2.79 | * blender game engine 2.79 | ||
- | | + | * stable-baselines |
- | | + | |
* [[https:// | * [[https:// | ||
+ | * CUDA: Pour une carte graphique, [[https:// | ||
- | Si vous avez une carte graphique, (mais elle n'est pas du tout nécessaire), | ||
- | |||
- | [[https:// | ||
- | | ||
===gym=== | ===gym=== | ||
gym est installé dans le système avec l' | gym est installé dans le système avec l' | ||
Ligne 150: | Ligne 114: | ||
Il faut désinstaller gym | Il faut désinstaller gym | ||
sudo pip3 uninstall gym | sudo pip3 uninstall gym | ||
- | | ||
- | ===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. Exemple d'un reset position et orientation sur 100 frames: | ||
- | <code python> | ||
- | def reset(): | ||
- | gl.num_reset += 1 | + | ===Modification de my_gym=== |
- | x, x_dot, teta, teta_dot | + | Définition de mon environnement dans: **[[https:// |
+ | Un fichier obtenu avec un apprentissage est à: [[https:// | ||
- | if 1 < gl.num_reset < 100: | + | ====Modélisation==== |
- | gl.cube.worldPosition | + | La modélisation d'un pendule dans Blender avec le moteur physique intégré (Bullet) est délicate. |
- | gl.cube.worldLinearVelocity[0] = x_dot | + | ===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, la physics va le faire partir dans l' | ||
- | xyz = gl.pendulum.worldOrientation.to_euler() | + | ===Constraint Rigid Body Joint=== |
- | xyz[1] = teta | + | 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 |
- | gl.pendulum.worldOrientation = xyz.to_matrix() | + | <WRAP group> |
- | gl.pendulum.worldAngularVelocity[1] | + | <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 d' | ||
+ | {{ : | ||
- | if gl.num_reset == 100: | + | Exemple d'un reset position et orientation sur 25 frames: [[https:// |
- | gl.num_reset = 0 | + | 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(). |
- | gl.reset | + | |
- | </ | + | |
- | ===Visualisation dans blender=== | + | ====Lancement |
- | Dans le dossier | + | Lancer blender comme ci-dessus et le script |
- | blenderplayer ./ | + | |
- | + | ||
- | Le fps est défini à 120 dans le panneau de rendu, le script once.py défini bge.logicsetLogicTicRate(120)\\ | + | |
- | Cela devrait faire tourner le rendu et le moteur physique à 120 ! | + | |
- | + | ||
- | ===Lancement de l' | + | |
- | Définition de mon environnement dans: | + | |
- | * **[[https:// | + | |
- | * **[[https:// | + | |
- | * **[[https:// | + | |
blenderplayer ./ | blenderplayer ./ | ||
+ | et dans un autre terminal, pour l' | ||
python3 my_cartpole_ppo2_train.py | python3 my_cartpole_ppo2_train.py | ||
- | + | ou pour le rendu | |
- | Le fichier d' | + | |
- | + | ||
- | ===Utilisation=== | + | |
- | Lancer blender comme ci-dessus et le script **[[https:// | + | |
- | + | ||
- | blenderplayer ./ | + | |
python3 my_cartpole_ppo2_rendu.py | python3 my_cartpole_ppo2_rendu.py | ||
===Remarque=== | ===Remarque=== | ||
- | Le jeu (avec blenderplayer ...) ne doit être lancé qu'une seule fois! On peut lancer ou stopper | + | Le jeu (avec blenderplayer ...) ne doit être lancé qu'une seule fois! On peut lancer ou stopper |
====Résultat du 1er essai==== | ====Résultat du 1er essai==== | ||
- | Avec un apprentissage de quelques heures .... | ||
- | {{ vimeo> | ||
- | =====Comment est définit l' | + | {{ : |
- | **Objectif = target = goal = but** | + | |
- | Le goal est définit par les règles définissant le " | + | Avec un apprentissage |
- | + | ||
- | Le goal est le centre d'un intervale.\\ | + | |
- | En dehors | + | |
- | Dans l' | + | |
+ | =====Comment est définit l' | ||
+ | **Objectif = target = goal = but**\\ | ||
+ | Le goal est définit par les règles définissant le " | ||
+ | Dans l' | ||
Exemple extrait de Swing Up | Exemple extrait de Swing Up | ||
<code python> | <code python> | ||
# La récompense est définie ici, le goal est 0 | # La récompense est définie ici, le goal est 0 | ||
- | # Reward_teta is | + | |
- | # 1 when teta is 90 | + | # Reward_teta is 1 when teta is 90 soit np.cos(teta) de 0 to 90 or -90 to 0, |
- | # np.cos(teta) de 0 to 90 or -90 to 0, | + | |
# 0 if between 90 and 270 or -270 to -90 | # 0 if between 90 and 270 or -270 to -90 | ||
# 0 < Reward_teta < 1 | # 0 < Reward_teta < 1 | ||
reward_teta = max(0, np.cos(teta)) | reward_teta = max(0, np.cos(teta)) | ||
- | # Reward_x is 0 when cart is at the edge of the screen, | + | # Récompense sur x: 1 au centre |
reward_x = np.cos((x / self.x_threshold) * (np.pi / 2.0)) | reward_x = np.cos((x / self.x_threshold) * (np.pi / 2.0)) | ||
Ligne 228: | Ligne 191: | ||
reward = reward_teta * reward_x | 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. | 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===== | ===== Relèvement du pendule appelé Swing-up===== | ||
+ | Les [[https:// | ||
+ | Les sources sont dans le dossier **[[https:// | ||
+ | Ce pendule a été construit dans l' | ||
- | Les [[https://gym.openai.com/ | + | {{ :media_14: |
- | Ici nous déplaçons le chariot pour le Swing. Cet exemple est construit à partir de[[https:// | + | |
+ | L' | ||
- | Un résultat après 6 heures d' | ||
- | {{ vimeo> | ||
- | Vous pouvez remarquer que maintenant c'est en couleurs! | ||
=====Quelques explications===== | =====Quelques explications===== | ||
- | ====Comment | + | ====Relations scripts vs Blender==== |
- | ===Actions discrètes ou continue=== | + | L' |
- | * Dans CartPole, les actions sont discrètes, **une force fixe est appliquée __à chaque step__**, vers la gauche ou vers la droite. | + | L' |
- | * Pour SwingUp de l' | + | Dans step(action), |
+ | |||
+ | **Dans gym**, dans my_cartpole.py\\ | ||
+ | step() retourne l' | ||
+ | Si done = 1, un [[https:// | ||
+ | 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 | ||
+ | ===Actions discrètes ou continues=== | ||
+ | * Dans CartPole, les actions sont discrètes, **une force fixe est appliquée __à chaque step__**, vers la gauche ou vers la droite. | ||
+ | * Pour SwingUp de l' | ||
Définition des actions, avec 2 valeurs possibles: 0 ou 1, 0 = force à gauche, 1 = force à droite | Définition des actions, avec 2 valeurs possibles: 0 ou 1, 0 = force à gauche, 1 = force à droite | ||
- | |||
action_space = spaces.Discrete(2) | action_space = spaces.Discrete(2) | ||
| | ||
Définition des actions de SwingUp, avec des valeurs possibles entre -1 et 1 | Définition des actions de SwingUp, avec des valeurs possibles entre -1 et 1 | ||
- | |||
action_space = spaces.Box(-1.0, | action_space = spaces.Box(-1.0, | ||
===Algorithme d' | ===Algorithme d' | ||
+ | L' | ||
- | 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, le pendule ne se stabilise pas en haut, il préfère tourner en rond. La formule de récompense ne favorise pas la stabilisation en haut. Ajout d'une récompense | ||
+ | | ||
+ | * Si la vitesse est proche de la vitesse angulaire maxi (environ=5), | ||
- | ====Relations scripts vs Blender==== | + | reward_total |
- | L' | + | |
- | L' | + | |
- | Dans step(action), | + | |
- | **Dans gym,**\\ | + | =====Repartir |
- | step() retourne l' | + | Comment repartir du fichier PPO2_Swing_35.zip, et enregistrement tous les 100 000 steps: How to create checkpoints ? |
- | Si done = 1, un [[https:// | + | |
- | 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'itération qui provoque | + | |
- | Une récompense (reward) est calculée si le pendule n'est pas tombé ou si la boucle est finie. | + | |
- | =====SwingUp avec DDPG et de longs calculs===== | + | <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, | ||
- | =====Ressources complémentaires===== | + | ====Réflexions philosophiques==== |
+ | * Ce type d' | ||
+ | * Encore pratiqué dans l' | ||
====Gym CartPole Ressources==== | ====Gym CartPole Ressources==== | ||
- | * [[https:// | + | * [[https:// |
- | + | ||
- | Définition des Observations = Liste de 4 items:\\ | + | |
- | ^ Num ^ Observation | + | |
- | | 0 | Cart Position | + | |
- | | 1 | Cart Velocity | + | |
- | | 2 | Pole Angle | ~ -41.8° | ~ 41.8°| | + | |
- | | 3 | Pole Velocity At Tip | -Inf | + | |
====pybullet===== | ====pybullet===== | ||
Ligne 288: | Ligne 271: | ||
Bullet est le moteur physique de Blender | Bullet est le moteur physique de Blender | ||
- | ==== Création de votre propre environnement ==== | ||
- | * [[https:// | ||
- | L' | ||
====Un cartpole réel documenté mais sans RL==== | ====Un cartpole réel documenté mais sans RL==== |
apprentissage_par_renforcement.txt · Dernière modification : 2022/02/10 07:52 de serge