Outils pour utilisateurs

Outils du site


apprentissage_par_renforcement

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentesRévision précédente
Prochaine révision
Révision précédente
apprentissage_par_renforcement [2021/02/10 08:57] – [Baselines vs Stable-baselines vs Stable-baselines3] sergeapprentissage_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>ia|Intelligence Artificielle}}**     **[[http://translate.google.com/translate?hl=&sl=auto&tl=en&u=https%3A%2F%2Fressources.labomedia.org%2Fapprentissage_par_renforcement|English Version]]** **{{tagpage>ia|Intelligence Artificielle}}**     **[[http://translate.google.com/translate?hl=&sl=auto&tl=en&u=https%3A%2F%2Fressources.labomedia.org%2Fapprentissage_par_renforcement|English Version]]**
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]]**
 </WRAP> </WRAP>
- 
 {{ :media_14:cartpole.gif |}} {{ :media_14:cartpole.gif |}}
  
 ===== Le Hello World de l'Apprentissage Par Renforcement ===== ===== Le Hello World de l'Apprentissage Par Renforcement =====
- 
 <WRAP group> <WRAP group>
 <WRAP third column> <WRAP third column>
Ligne 17: Ligne 14:
 {{youtube>qMlcsc43-lg?small}} {{youtube>qMlcsc43-lg?small}}
 </WRAP> </WRAP>
- 
 <WRAP third column> <WRAP third column>
 Rotatif: Rotatif:
Ligne 27: Ligne 23:
 </WRAP> </WRAP>
 </WRAP> </WRAP>
- +  * Rotary Inverted Pendulum: Swing Up and Stabilization https://www.youtube.com/watch?v=2koXcs0IhOc 
- +  * Double Inverted Furuta Pendulum https://www.youtube.com/watch?v=lwJ2jzVexaI 
- +  * Furuta Pendulum avec une belle finition https://www.youtube.com/watch?v=VVQ-PGfJMuA
- +
- +
 =====Apprentissage par renforcement===== =====Apprentissage par renforcement=====
   * **[[https://fr.wikipedia.org/wiki/Apprentissage_par_renforcement|Apprentissage par renforcement @ fr.wikipedia.org]]**. En intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome (robot, etc.), à apprendre à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps, positive ou négative. En répétant les expériences, le robot progresse.   * **[[https://fr.wikipedia.org/wiki/Apprentissage_par_renforcement|Apprentissage par renforcement @ fr.wikipedia.org]]**. En intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome (robot, etc.), à apprendre à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps, positive ou négative. En répétant les expériences, le robot progresse.
  
-====Directeur Semour Skinner====+====Directeur Seymour Skinner====
 {{ youtube>0cmklEiZFYI?medium }} {{ youtube>0cmklEiZFYI?medium }}
 Le directeur de l'école des enfants **[[https://fr.wikipedia.org/wiki/Les_Simpson|Simpson]]** s'appelle **[[https://fr.wikipedia.org/wiki/Seymour_Skinner|Seymour Skinner]]**, inspiré de **[[https://fr.wikipedia.org/wiki/Burrhus_Frederic_Skinner|Burrhus Frederic Skinner]]**, inventeur de la **[[https://fr.wikipedia.org/wiki/Bo%C3%AEte_de_Skinner|Boîte de Skinner]]** Le directeur de l'école des enfants **[[https://fr.wikipedia.org/wiki/Les_Simpson|Simpson]]** s'appelle **[[https://fr.wikipedia.org/wiki/Seymour_Skinner|Seymour Skinner]]**, inspiré de **[[https://fr.wikipedia.org/wiki/Burrhus_Frederic_Skinner|Burrhus Frederic Skinner]]**, inventeur de la **[[https://fr.wikipedia.org/wiki/Bo%C3%AEte_de_Skinner|Boîte de Skinner]]**
- 
 {{ :media_14:23765.jpg?400 |}} {{ :media_14:23765.jpg?400 |}}
  
Ligne 52: Ligne 44:
   * [[https://github.com/aidudezzz/deepbots|commande de robots]]   * [[https://github.com/aidudezzz/deepbots|commande de robots]]
  
-====Principe vulgarisé==== +====Principe vulgarisé d'une boucle PID===
-===Boucle PID===+
   * [[https://fr.wikipedia.org/wiki/R%C3%A9gulateur_PID|Régulateur PID]] sur Wikipedia. 2 images de l'article:   * [[https://fr.wikipedia.org/wiki/R%C3%A9gulateur_PID|Régulateur PID]] sur Wikipedia. 2 images de l'article:
  
Ligne 61: Ligne 52:
 {{ :media_14:correcteurpidclassique.jpg?500 |}} {{ :media_14:correcteurpidclassique.jpg?500 |}}
  
- +====Principe vulgarisé de l'Apprentissage par Renforcement===
-===Apprentissage par renforcement===+**RL = Reinforcement Learning = Apprentissage par Renforcement**
 {{ :media_14:apprentissage-par-renforcement.png?400 |}} {{ :media_14:apprentissage-par-renforcement.png?400 |}}
- +L'IA (Intelligence Artificielle) dont nous parlons ici n'est pas intelligente, par contre l'auteur est intelligent sinon il n'aurait jamais réussi à faire un truc pareil!\\
-L'IA (Intelligence Artificielle) dont nous parlons ici n'est pas intelligente, par contre l'auteur est intelligent sinon il n'aurait jamais réussi à faire un truc pareil! +
 Dans l'exemple du pendule: Dans l'exemple du pendule:
 L'**agent** est le programme de RL de l'**IA**.\\ L'**agent** est le programme de RL de l'**IA**.\\
Ligne 72: Ligne 61:
 L’**environnement** est l'installation du pendule, le capteur de mesure de l'angle du pendule, le moteur droite gauche. Il retourne l'**état** soit la position et la vitesse du chariot, l'angle et la vitesse de rotation du pendule, mis à jour un peu après l'application d'une action.\\ L’**environnement** est l'installation du pendule, le capteur de mesure de l'angle du pendule, le moteur droite gauche. Il retourne l'**état** soit la position et la vitesse du chariot, l'angle et la vitesse de rotation du pendule, mis à jour un peu après l'application d'une action.\\
 La **récompense** est calculée en fonction de l'état.\\ La **récompense** est calculée en fonction de l'état.\\
-Une nouvelle action est calculée par l'agent. L'agent s'optimise pour avoir la plus grande récompense possible.\\+Une nouvelle **action** est calculée par l'agent. L'agent s'optimise pour avoir la plus grande récompense possible.
 [[https://ressources.labomedia.org/apprentissage_par_renforcement#comment_est_definit_l_objectif_a_atteindre|Des explications]] sur le calcul de la récompense.\\ [[https://ressources.labomedia.org/apprentissage_par_renforcement#comment_est_definit_l_objectif_a_atteindre|Des explications]] sur le calcul de la récompense.\\
- 
 Dans [[https://ressources.labomedia.org/apprentissage_par_renforcement#le_jeu_du_pendule_dans_blender|Le jeu du pendule dans Blender]], l'environnement est Blender, l'IA sont gym, baselines, les scripts. La communication entre l'IA et Blender se fait en OSC: l'action est envoyée, Blender retourne le résultat de cette action. Dans [[https://ressources.labomedia.org/apprentissage_par_renforcement#le_jeu_du_pendule_dans_blender|Le jeu du pendule dans Blender]], l'environnement est Blender, l'IA sont gym, baselines, les scripts. La communication entre l'IA et Blender se fait en OSC: l'action est envoyée, Blender retourne le résultat de cette action.
  
Ligne 83: Ligne 71:
  
 ===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://en.wikipedia.org/wiki/OpenAI#Gym|Gym]] @ en.wikipedia.org[[https://github.com/openai/gym|Gym]] @ github.com/openai[[http://gym.openai.com/docs/|Gym]] @ gym.openai.com/docs
-  * [[https://en.wikipedia.org/wiki/OpenAI#Gym|Gym]] @ en.wikipedia.org +
-  * [[https://github.com/openai/gym|Gym]] @ github.com/openai +
-  * [[http://gym.openai.com/docs/|Gym]] @ gym.openai.com/docs+
  
 ====Baselines vs Stable-baselines vs Stable-baselines3==== ====Baselines vs Stable-baselines vs Stable-baselines3====
Ligne 93: Ligne 78:
  
 ===Stable-baselines=== ===Stable-baselines===
-Le code de Stable-baselines est nettoyé, amélioré, documenté. **[[https://stable-baselines.readthedocs.io/en/master/index.html|Documentation de stable-baselines]]** @ stable-baselines.readthedocs.io+Le code de Stable-baselines est le code de Baselines nettoyé, amélioré, documenté. **[[https://stable-baselines.readthedocs.io/en/master/index.html|Documentation de stable-baselines]]** @ stable-baselines.readthedocs.io
  
    sudo pip3 install stable-baselines    sudo pip3 install stable-baselines
  
 ===Stable-baselines3=== ===Stable-baselines3===
- +**[[https://stable-baselines3.readthedocs.io/en/master/|Stable-Baselines3]]** est la prochaine version. Mais beaucoup d'exemples ne sont plus compatibles. **[[https://stable-baselines3.readthedocs.io/en/master/guide/examples.html|Documentation de stable-baselines3]]** @ stable-baselines3.readthedocs.io
-**[[https://stable-baselines3.readthedocs.io/en/master/|Stable-Baselines3]]** est la prochaine version. Mais les exemples ne sont plus compatibles. **[[https://stable-baselines3.readthedocs.io/en/master/guide/examples.html|Documentation de stable-baselines3]]** @ stable-baselines3.readthedocs.io+
  
   sudo pip3 install stable-baselines3 stable-baselines3[extra]   sudo pip3 install stable-baselines3 stable-baselines3[extra]
Ligne 105: Ligne 89:
 =====Modélisation d'un système physique===== =====Modélisation d'un système physique=====
 Pour les exemples de la doc du pendule, compris dans gym, les calculs physiques sont quelques lignes Pour les exemples de la doc du pendule, compris dans gym, les calculs physiques sont quelques lignes
-dans le fichier de "env". Le rendu est effectué avec [[http://pyglet.org/|pyglet]], [[pyglet_cross-platform_windowing_and_multimedia_library|présenté ici]]. Un step [[https://github.com/sergeLabo/balance/blob/main/cartpole_doc_baselines.py|ici]] dure 1 ms avec 4 CPU, dans Blender un step dure 200 ms.+dans le fichier de "env". Le rendu est effectué avec [[http://pyglet.org/|pyglet]], [[pyglet_cross-platform_windowing_and_multimedia_library|présenté ici]]. Un step [[https://github.com/sergeLabo/balance/blob/main/cartpole_doc_baselines.py|ici]] dure 1 ms avec 4 CPU, dans Blender un step dure 20 ms.\\ 
 +Un fichier pour le tester: [[https://github.com/sergeLabo/balance/blob/main/cartpole_doc_baselines.py|cartpole_doc_baselines.py]]
  
 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'accélérer la simulation.\\ 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'accélérer la simulation.\\
-Pour faire des recherches et simuler l'influence de nombreux paramètres, il ne faut pas faire de visualisation et utiliser des moteurs physique: [[pybullet|Bullet]] (libre), [[http://mujoco.org|Mujoco]] (propriétaire et payant, très cher). Les calculs peuvent alors aller beaucoup plus vite, 200 fois par rapport au réel.+Pour faire des recherches et simuler l'influence de nombreux paramètres, il ne faut pas faire de visualisation et utiliser des moteurs physique: [[pybullet|Bullet]] (libre), [[http://mujoco.org|Mujoco]] (propriétaire et payant, très cher), qui simule le réel. Les calculs peuvent alors aller beaucoup plus vite, 20 fois par rapport au réel.
  
- 
-  
 =====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.+  * **[[https://github.com/sergeLabo/balance|Balance]]** Sources sur Github 
 +====Installation==== 
 +  * Debian 10 Buster 
 +  * python 3.7 
 +  * blender game engine 2.79 
 +  * stable-baselines [[apprentissage_par_renforcement#Baselines vs Stable-baselines vs Stable-baselines3|]] qui installe gym 
 +  * [[https://ressources.labomedia.org/kivy_oscpy|oscpy de kivy super pratique]] pour la com entre le BGE et le script python 
 +  * CUDA: Pour une carte graphique, [[https://ressources.labomedia.org/debian_installation_configuration#installation_de_xubuntu_1804_pour_du_calcul_d_ia|Installation de cuda sur Xubuntu 18.04]]. Il faut configurer la gestion de l'alimentation en définissant la veille à jamais, et éteindre votre écran avec le bouton on/off.
  
-====Un axe static et un cube Rigid Body avec un trou==== +===gym=== 
-{{:media_14:axe_axe_1.png?150|}} +gym est installé dans le système avec l'installation de stable-baselines. Balance est construit en modifiant des fichiers sources de gym, dans une copie nommée my_gym, importée dans les fichiers avec: 
-{{:media_14:axe_axe_2.png?150|}} + 
-{{:media_14:axe_pendule_1.png?150|}}+  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://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/__init__.py|__init__.py]]** **[[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/classic_control/__init__.py|__init__.py]]** **[[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/classic_control/my_cartpole.py|my_cartpole.py]]**\\ 
 +Un fichier obtenu avec un apprentissage est à: [[https://github.com/sergeLabo/balance/blob/main/weights/ppo2_cartpole250000.zip|ppo2_cartpole250000.zip]] 
 + 
 +====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=== 
 +{{:media_14:axe_axe_1.png?240|}} 
 +{{:media_14:axe_axe_2.png?140|}} 
 +{{:media_14:axe_pendule_1.png?110|}}
 {{:media_14:axe_pendule_2.png?150|}} {{:media_14:axe_pendule_2.png?150|}}
 +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'infini de l'espace.
  
-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'infini de l'espace. +===Constraint Rigid Body Joint===
-====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 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 group>
 <WRAP third column> <WRAP third column>
 **Axe** **Axe**
-{{:media_14:balance_1.png?150|}} +{{ :media_14:balance_1.png?100 |}} 
-{{:media_14:balance_4.png?220|}}+{{ :media_14:balance_4.png?220 |}}
 </WRAP> </WRAP>
 <WRAP third column> <WRAP third column>
 **Rigid Body Joint** **Rigid Body Joint**
-{{:media_14:balance_2.png?300|}}+{{ :media_14:balance_2.png?300 |}}
 </WRAP> </WRAP>
 <WRAP third column> <WRAP third column>
 **Pendule** **Pendule**
-{{:media_14:balance_3.png?220|}}{{:media_14:balance_5.png?150|}}+{{ :media_14:balance_3.png?200 |}}{{ :media_14:balance_5.png?130 |}}
 </WRAP> </WRAP>
 </WRAP> </WRAP>
- 
- 
- 
-==== Source sur Github ==== 
-  * **[[https://github.com/sergeLabo/balance|Balance]]** sur Github 
- 
-===Installation=== 
-  * Debian 10 Buster 
-  * python 3.7 
-  * blender game engine 2.79 
-  * gym modifié dans my_gym 
-  * stable-baselines 
-  * [[https://ressources.labomedia.org/kivy_oscpy|oscpy de kivy super pratique]] pour la com entre le BGE et le script python 
- 
-===CUDA=== 
-Pour une carte graphique, [[https://ressources.labomedia.org/debian_installation_configuration#installation_de_xubuntu_1804_pour_du_calcul_d_ia|Installation de cuda sur Xubuntu 18.04]]. Il faut configurer la gestion de l'alimentation en définissant la veille à jamais, et étendre votre écran. 
- 
-===gym=== 
-gym est installé dans le système avec l'installation de stable-baselines. Balance est construit en modifiant des fichiers sources de gym, dans une copie nommée my_gym, importée dans les fichiers avec: 
- 
-  import sys 
-  sys.path.append('my_gym') 
-  import gym 
- 
-Il faut désinstaller gym 
-  sudo pip3 uninstall gym 
      
 ===Bullet dans blender=== ===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. \\ 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'ajouter des substeps dans **Blender Properties Scene Physics** Il est important d'ajouter des substeps dans **Blender Properties Scene Physics**
-{{ :media_14:scene_physics.png?250 | }}+{{ :media_14:scene_physics.png?250|}}\\
  
-Exemple d'un reset position et orientation sur 25 frames: [[https://github.com/sergeLabo/balance/blob/53be00649dc93820e1e95e8536b0149e5d0a63e2/redressement/redressement/always.py#L70|def reset():]]+Exemple d'un reset position et orientation sur 25 frames: [[https://github.com/sergeLabo/balance/blob/main/balance/always.py#L71|def reset():]] \\ 
 +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==== 
-===Visualisation dans blender=== +Lancer blender comme ci-dessus et le script **[[https://github.com/sergeLabo/balance/blob/main/my_cartpole_ppo2_rendu.py|my_cartpole_ppo2_rendu.py]]**
-Dans le dossier du projet +
-  blenderplayer ./balance/balance.blend +
-   +
-Le fps est défini à 120 dans le panneau de rendu, le script once.py défini bge.logicsetLogicTicRate(120)\\  +
- +
-===Lancement de l'apprentissage=== +
-Définition de mon environnement dans: +
-  * **[[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/__init__.py|__init__.py]]** +
-  * **[[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/classic_control/__init__.py|__init__.py]]** +
-  * **[[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/classic_control/my_cartpole.py|my_cartpole.py]]**+
  
   blenderplayer ./balance/balance.blend   blenderplayer ./balance/balance.blend
 +et dans un autre terminal, pour l'apprentissage:
   python3 my_cartpole_ppo2_train.py   python3 my_cartpole_ppo2_train.py
-   +ou pour le rendu
-Le fichier d'apprentissage est à: [[https://github.com/sergeLabo/balance/blob/main/weights/acktr_blender_250000_1.zip| acktr_blender_250000_1.zip]] +
- +
-===Utilisation=== +
-Lancer blender comme ci-dessus et le script **[[https://github.com/sergeLabo/balance/blob/main/blender_baselines_acktr.py|blender_baselines_acktr.py]]** +
- +
-  blenderplayer ./balance/balance.blend+
   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 les scripts python, à son bon vouloir, la reconnexion est automatique avec le BGE.+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==== ====Résultat du 1er essai====
 +
 +{{ :media_14:cartpole_avec_blender_game_engine.mp4?500 |}}
 +
 Avec un apprentissage de quelques heures .... Avec un apprentissage de quelques heures ....
- 
-{{ vimeo>503157923?1000x563 }} 
  
 =====Comment est définit l'objectif à atteindre===== =====Comment est définit l'objectif à atteindre=====
-**Objectif = target = goal = but** +**Objectif = target = goal = but**\\ 
- +Le goal est définit par les règles définissant le "reward", la récompense. Il est le centre d'un intervale. En dehors de cet intervalle, pas de récompense: reward = 0\\ 
-Le goal est définit par les règles définissant le "reward", la récompense. +Dans l'intervalle, la récompense est une fonction décroissante de l'écart au centre. Idem est (un peu de latin, ça fait prof au Collège de France) plus l'écart est faible, plus la récompense est grande. La récompense est calculée à chaque step.\\
- +
-Le goal est le centre d'un intervale.\\ +
-En dehors de cet intervalle, pas de récompense: reward = 0 +
-Dans l'intervalle, la récompense est une fonction décroissante de l'écart au centre. Idem est (un peu de latin, ça fait prof au Collège de France) plus l'écart est faible, plus la récompense est grande. La récompense est calculée à chaque step. +
 Exemple extrait de Swing Up Exemple extrait de Swing Up
 <code python> <code python>
Ligne 230: Ligne 191:
 reward = reward_teta * reward_x reward = reward_teta * reward_x
 </code> </code>
- 
 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://gym.openai.com/envs/Pendulum-v0/|exemples de Gym]] proposent Pendulum, il faut redresser le pendule en applicant un couple sur l'axe. Ici nous déplaçons le chariot pour le Swing. Cet exemple est construit à partir de[[https://github.com/TTitcombe/CartPoleSwingUp|CartPoleSwingUp]]. Il y a beaucoup d'autres dépôts sur GitHub sur ce problème.\\
 +Les sources sont dans le dossier **[[https://github.com/sergeLabo/balance/tree/main/redressement|redressement]]** de balance. [[https://github.com/sergeLabo/balance/blob/main/redressement/swing_avec_reprise.py|Training ou Rendu]] en modifiant le script ligne 47.L'import de my_gym est réalisé avec un chemin absolu, pour tester il faut adapter ce chemin à votre cas.\\
 +Ce pendule a été construit dans l'**Atelier du C01N de mon salon**:
  
-Les [[https://gym.openai.com/envs/Pendulum-v0/|exemples de Gym]] proposent Pendulum, il faut redresser le pendule en applicant un couple sur l'axe.\\ +{{ :media_14:swingup_dans_le_blender_game_engine.mp4?500 |}}
-Ici nous déplaçons le chariot pour le Swing. Cet exemple est construit à partir de[[https://github.com/TTitcombe/CartPoleSwingUp|CartPoleSwingUp]]. Il y a beaucoup d'autres dépôts sur GitHub sur ce problème.+
  
-Les sources sont dans le dossier **[[https://github.com/sergeLabo/balance/tree/main/redressement|redressement]]** de balance[[https://github.com/sergeLabo/balance/blob/main/redressement/redressement_training.py|Training]] et [[https://github.com/sergeLabo/balance/blob/main/redressement/redressement_rendu.py|Rendu]].+L'apprentissage a duré 88 heures, 17 millions de steps, plus plusieurs semaines de recherches et d'ordinateurs qui calcule 24h/24hLe fichier de poids fonctionne sur Xubuntu 18.4 mais pas sur Debian 10il doit y avoir une version d'une des librairies qui diffèrent
  
-Un résultat après 6 heures d'apprentissage, soit million de steps+=====Quelques explications===== 
-{{ vimeo>504768109?small }}+====Relations scripts vs Blender==== 
 +L'apprentissage exécuté avec [[https://github.com/sergeLabo/balance/blob/main/my_cartpole_ppo2_train.py#L21|model.learn()]] est une boucle qui appelle la méthode step() de [[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/classic_control/my_cartpole.py#L79|my_cartpole.py]] ou [[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/cartpoleswingup/my_swing_continuous.py#L119|my_swing_continuous.py]]avec une action en argument.\\ 
 +L'action possible est définie par action_space: discrète ou continue.\\ 
 +Dans step(action), l'action est envoyée en OSC  à Blender, step() attend la réponse qui est envoyée la frame suivante. Cette réponse est une observation à cet instant, position et vitesse du chariot, angle et vitesse angulaire du pendule.\\ 
 + 
 +**Dans gym**, dans my_cartpole.py\\ 
 +step() retourne l'observation, la récompense = reward, si c'est fini = done\\ 
 +Si done = 1, un [[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/classic_control/my_cartpole.py#L114|reset()]] est fait.\\ 
 +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 un reset() défini dans [[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/__init__.py#L84|__init__.py#L84]] \\ 
 +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=== 
 +  * Dans CartPole, les actions sont discrètes, **une force fixe est appliquée __à chaque step__**, vers la gauche ou vers la droite. Cette action est appliquée par une vitesse dans Blender.   
 +  * Pour SwingUp de l'exemple ci-dessus, la même méthode est utilisée. Mais les actions sont comprises entre -1 et 1. 
 + 
 +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, 1.0, shape=(1,)) 
 + 
 +===Algorithme d'apprentissage=== 
 +L'algorithme d'optimisation est **[[https://stable-baselines.readthedocs.io/en/master/modules/ppo2.html|PPO2]]** dans les 2 cas. De longs essais avec **[[https://stable-baselines.readthedocs.io/en/master/modules/ddpg.html|DDPG]]** n'a rien donné de bien. D'autres algorithmes sont possibles. L'objectif de l'auteur était d'y arriver, **quoiqu'il en coûte**. Que le training dure longtemps ne donne pas une mauvaise note ! 
 + 
 +===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 en haut = RV, utilisée pour les 5 premiers millions de steps. 
 +  * Si le pendule est proche de la position verticale avec une vitesse angulaire faible, la récompense "vitesse" est 1 
 +  * Si la vitesse est proche de la vitesse angulaire maxi (environ=5), la récompense n'est que de 0.8 
 + 
 +  reward_total = reward_chariot * reward_balancier * RV
  
-Construction dans l'atelier derrière chez moi: 
-{{ :media_14:cartpole_schon_improved.png?800 |}} 
 =====Repartir d'un apprentissage terminé et Enregistrement intermédiaire===== =====Repartir d'un apprentissage terminé et Enregistrement intermédiaire=====
 Comment repartir du fichier PPO2_Swing_35.zip, et enregistrement tous les 100 000 steps: How to create checkpoints ? Comment repartir du fichier PPO2_Swing_35.zip, et enregistrement tous les 100 000 steps: How to create checkpoints ?
Ligne 255: Ligne 246:
  
 log = strftime("%Y%m%d-%H%M%S") log = strftime("%Y%m%d-%H%M%S")
- 
 env = make_vec_env('CartPoleSwingUpContinuous-v0', n_envs=1) env = make_vec_env('CartPoleSwingUpContinuous-v0', n_envs=1)
 model = PPO2.load("./weights/PPO2_Swing_35.zip", env=env, cloudpickle=False, verbose=0) model = PPO2.load("./weights/PPO2_Swing_35.zip", env=env, cloudpickle=False, verbose=0)
- 
 for i in range(20): for i in range(20):
     model.learn(total_timesteps=100000)     model.learn(total_timesteps=100000)
Ligne 264: Ligne 253:
     model.save(partial, cloudpickle=False)     model.save(partial, cloudpickle=False)
 </code> </code>
-     
-     
-     
-=====Quelques explications===== 
-====Comment améliorer le SwingUp==== 
-===Actions discrètes ou continue=== 
-  * Dans CartPole, les actions sont discrètes, **une force fixe est appliquée __à chaque step__**, vers la gauche ou vers la droite. Cette action est appliquée par une vitesse dans Blender.   
-  * Pour SwingUp de l'exemple ci-dessus, la même méthode est utilisée. Mais les actions auraient besoin d'être forte pour le relevé et plus faible pour le maintenir en haut. Les actions sont toujours appliquées à chaque step. 
  
-Définition des actions, avec 2 valeurs possibles: 0 ou 1, 0 force à gauche, 1 force à droite+=====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, trop de méthodes sont empiriques et pifométriques. Il y a certainement des solutions innovantes à inventer. 
  
-  action_space spaces.Discrete(2) +====Réflexions philosophiques==== 
-   +  * Ce type d'apprentissage s'appelle la carotte **et** le bâtonmanagement très pratiquéOn promet des carottes mais on ne donne que des coups de bâtons
-Définition des actions de SwingUp, avec des valeurs possibles entre -1 et 1 +  * Encore pratiqué dans l'enseignement en Francealors que les pays nordiques considèrent les apprenants comme des êtres humains responsables.
- +
-  action_space spaces.Box(-1.0, 1.0, shape=(1,)) +
- +
-===Algorithme d'apprentissage=== +
- +
-L'algorithme d'optimisation est **[[https://stable-baselines.readthedocs.io/en/master/modules/ppo2.html|PPO2]]** dans les 2 cas. De longs essais avec **[[https://stable-baselines.readthedocs.io/en/master/modules/ddpg.html|DDPG]]** n'a rien donné de bien. D'autres algorithmes sont possibles. +
-====Relations scripts vs Blender==== +
-L'apprentissage exécuté avec [[https://github.com/sergeLabo/balance/blob/main/my_cartpole_ppo2_train.py#L18|model.learn()]] est une boucle qui appelle la méthode step() de [[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/classic_control/my_cartpole.py|my_cartpole.py]] ou [[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/cartpoleswingup/cartpoleswingup.py|cartpoleswingup.py]], avec une action en argument.\\ +
-L'action possible est définie par action_space: discrète ou continue.\\ +
-Dans step(action), l'action est envoyée en OSC  à Blender, step() attend la réponse qui est envoyée la frame suivante. Cette réponse est une observation à cet instant, position et vitesse du chariot, angle et vitesse angulaire du pendule.\\ +
- +
-**Dans gym,**\\ +
-step() retourne l'observation, la récompense = reward, si c'est fini = done\\ +
-Si done = 1, un [[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/classic_control/my_cartpole.py#L114|reset()]] est fait.\\ +
-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 un reset() défini dans [[https://github.com/sergeLabo/balance/blob/main/my_gym/gym/envs/__init__.py#L84|__init__.py#L84]] \\ +
-Une récompense (reward) est calculée à chaque step. +
- +
-====SwingUp avec une récompense revue et de longs 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 en haut = RV. +
-  * Si le pendule est proche de la position verticale avec une vitesse angulaire faiblela récompense "vitesse" est 1 +
-  * Si la vitesse est proche de la vitesse angulaire maxi (environ=5), la récompense n'est que de 0.+
- +
-  reward_total = reward_chariot * reward_balancier * RV +
-  +
- +
- +
- +
-=====Ressources complémentaires=====+
 ====Gym CartPole Ressources==== ====Gym CartPole Ressources====
  
-  * [[https://github.com/openai/gym/wiki/CartPole-v0|CartPole-v0]] wiki @ github.com +  * [[https://github.com/openai/gym/wiki/CartPole-v0|CartPole-v0]] 
- +
-Définition des Observations = Liste de 4 items:\\ +
-^ Num ^  Observation          Min      Max   ^ +
-| 0   | Cart Position        | -2.4     | 2.4    | +
-| 1   | Cart Velocity        | -Inf     | Inf    | +
-| 2   | Pole Angle           | ~ -41.8° | ~ 41.8°| +
-| 3   | Pole Velocity At Tip | -Inf      Inf   |+
  
 ====pybullet===== ====pybullet=====
Ligne 324: Ligne 271:
 Bullet est le moteur physique de Blender Bullet est le moteur physique de Blender
  
-==== Création de votre propre environnement ==== 
-  * [[https://github.com/openai/gym/blob/master/docs/creating-environments.md|How to create new environments for Gym]] @  openai / gym\\ 
  
-L'étape suivante de la visualisation dans blender serait de créer un environnement spécifique pour ce my_cartpole et l'installer en dur. Puis d'utiliser gym en l'installant et supprimant les imports locaux de gym. 
  
 ====Un cartpole réel documenté mais sans RL==== ====Un cartpole réel documenté mais sans RL====
apprentissage_par_renforcement.1612947451.txt.gz · Dernière modification : 2021/02/10 08:57 de serge