Labomedia Ressources

Outils pour utilisateurs

Outils du site

Piste :
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 [2021/02/11 10:23] – [Principe vulgarisé] sergeapprentissage_par_renforcement [2022/02/10 07:52] (Version actuelle) – [Apprentissage Par Renforcement] serge
Ligne 23: 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.
Ligne 42: 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 51: Ligne 52:
 {{ :media_14:correcteurpidclassique.jpg?500 |}} {{ :media_14:correcteurpidclassique.jpg?500 |}}
  
-===Apprentissage par renforcement===+====Principe vulgarisé de l'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!\\
Ligne 99: Ligne 101:
   * python 3.7   * python 3.7
   * blender game engine 2.79   * blender game engine 2.79
-  * gym +  * stable-baselines [[apprentissage_par_renforcement#Baselines vs Stable-baselines vs Stable-baselines3|]] qui installe gym
-  * stable-baselines+
   * [[https://ressources.labomedia.org/kivy_oscpy|oscpy de kivy super pratique]] pour la com entre le BGE et le script python   * [[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.   * 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.
Ligne 132: Ligne 133:
 <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>
Ligne 148: Ligne 149:
 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/main/balance/always.py#L71|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(). 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().
Ligne 165: Ligne 167:
  
 ====Résultat du 1er essai==== ====Résultat du 1er essai====
-Avec un apprentissage de quelques heures .... 
  
-{{ vimeo>503157923?medium }}+{{ :media_14:cartpole_avec_blender_game_engine.mp4?500 |}} 
 + 
 +Avec un apprentissage de quelques heures ....
  
 =====Comment est définit l'objectif à atteindre===== =====Comment est définit l'objectif à atteindre=====
Ligne 190: Ligne 193:
 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 [[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.\\+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**: Ce pendule a été construit dans l'**Atelier du C01N de mon salon**:
-{{ vimeo>510756033?large }} + 
-L'apprentissage a duré 88 heures, 17 millions de steps, plus plusieurs semaines de recherches et d'ordinateurs qui calcule 24h/24h.\\ +{{ :media_14:swingup_dans_le_blender_game_engine.mp4?500 |}} 
-Le fichier de poids fonctionne sur Xubuntu 18.4 mais pas sur Debian 10: il doit y avoir une version d'une des librairies qui diffèrent. + 
 +L'apprentissage a duré 88 heures, 17 millions de steps, plus plusieurs semaines de recherches et d'ordinateurs qui calcule 24h/24h. Le fichier de poids fonctionne sur Xubuntu 18.4 mais pas sur Debian 10: il doit y avoir une version d'une des librairies qui diffèrent. 
  
 =====Quelques explications===== =====Quelques explications=====
Ligne 222: Ligne 225:
  
 ===Algorithme d'apprentissage=== ===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'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==== ===Récompense revue pour les débuts des calculs====
Ligne 252: Ligne 255:
  
 =====Ressources complémentaires===== =====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. 
 +
 ====Réflexions philosophiques==== ====Réflexions philosophiques====
   * Ce type d'apprentissage s'appelle la carotte **et** le bâton: management très pratiqué. On promet des carottes mais on ne donne que des coups de bâtons.   * Ce type d'apprentissage s'appelle la carotte **et** le bâton: management très pratiqué. On promet des carottes mais on ne donne que des coups de bâtons.
   * Encore pratiqué dans l'enseignement en France, alors que les pays nordiques considèrent les apprenants comme des êtres humains responsables.   * Encore pratiqué dans l'enseignement en France, alors que les pays nordiques considèrent les apprenants comme des êtres humains responsables.
-  * ... 
 ====Gym CartPole Ressources==== ====Gym CartPole Ressources====
  
Ligne 265: 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.1613038982.txt.gz · Dernière modification : 2021/02/11 10:23 de serge