phillip

Phillip AI

Pemain SSBM berdasarkan Deep Reinforcement Learning.

CATATAN: Proyek ini tidak lagi aktif dan mengalami pembusukan bit. Ada proyek penerus berdasarkan pembelajaran imitasi dari tayangan ulang slippi di https://github.com/vladfi1/slippi-ai.

Persyaratan

Diuji pada: Ubuntu >=14.04, OSX, Windows 7/8/10.

1. Emulator lumba-lumba. Anda mungkin perlu mengkompilasi dari sumber di Linux. Di Windows, Anda perlu menginstal versi lumba-lumba khusus - cukup buka zip zipnya di suatu tempat.
2. Gambar iso SSBM. Anda memerlukan NTSC 1.02.
3. Python 3. Di Windows, Anda dapat menggunakan Anaconda yang mengatur jalur yang diperlukan. Anda juga dapat menggunakan subsistem linux di Windows 10.
4. Instal Phillip. Anda dapat mengunduh dan mengekstrak file zip atau mengkloning repositori ini. Kemudian, dari root phillip, jalankan pip install -e . .
5. Beberapa agen terlatih disertakan dalam direktori agents . Agen terlatih lengkap tersedia di sini.

Bermain

Anda perlu mengetahui di mana letak lumba-lumba. Di Mac jalur lumba-lumba adalah /Applications/Dolphin.app/Contents/MacOS/Dolphin . Jika dolphin-emu sudah ada di PATH Anda maka Anda dapat menghilangkannya.

 python3 phillip/run.py --gui --human --start 0 --reload 0 --epsilon 0 --load agents/FalconFalconBF --iso /path/to/SSBM.iso --exe /path/to/dolphin [--windows]

Agen terlatih disimpan di direktori agents . Selain FalconFalconBF , agen di agents/delay0/ juga terbilang kuat. Jalankan dengan --help untuk melihat semua opsi. Agen mirip manusia terbaik adalah delay18/FalcoBF , tersedia di zip Google Drive.

Catatan Windows

• --exe akan menjadi jalur ke Binaryx64Dolphin.exe yang Anda buka ritsletingnya. Secara umum, penerusan / s harus kembali s untuk semua jalur, kecuali Anda menggunakan MinGW, Cygwin, git bash, atau emulator unix shell lainnya.
• Anda mungkin perlu menghilangkan 3 dari perintah seperti python3 dan pip3 .
• Jika tidak menggunakan Anaconda, Anda mungkin perlu mengubah PATH Anda agar python terlihat pada command prompt.
• Komunikasi dengan dolphin dilakukan melalui antarmuka loopback lokal, diaktifkan dengan flag --tcp 1 (sekarang tersirat oleh --windows ). Anda mungkin juga perlu membuka port 5555 di firewall Anda.
• Jika di Windows 10 Anda dapat melakukan semuanya di subsistem Linux dan mengikuti instruksi linux, kecuali untuk mendapatkan dolphin. Anda harus memasukkan direktori pengguna eksplisit dengan --user tmp (direktori temp yang dibuat python dimulai dengan /tmp/... dan tidak valid untuk windows dolphin).

Kereta

Pelatihan dikendalikan oleh phillip/train.py . Lihat juga runner.py dan launcher.py untuk pelatihan secara besar-besaran secara paralel pada cluster slurm. Phillip telah dilatih di MGHPCC. Disarankan untuk berlatih dengan lumba-lumba khusus yang menggunakan zmq untuk melakukan sinkronisasi dengan AI - perintah di bawah ini kemungkinan besar akan gagal.

Pelatihan lokal juga dimungkinkan. Pertama, edit runner.py dengan parameter pelatihan yang Anda inginkan (lanjutan). Kemudian lakukan:

 python3 runner.py # will output a path
python3 launcher.py saves/path/ --init --local [--agents number_of_agents] [--log_agents]

Untuk melihat statistik selama latihan:

 tensorboard --logdir logs/

Pelatih dan (opsional) agen mengalihkan stdout/err mereka ke slurm_logs/ . Untuk mengakhiri pelatihan:

 kill $(cat saves/path/pids)

Untuk melanjutkan pelatihan, jalankan launcher.py lagi, tetapi hilangkan --init (ini akan menimpa jaringan lama Anda).

Pelatihan pada Windows tidak didukung.

Berkat microsoftv sekarang ada video instruksional juga!

Mendukung

Datanglah ke Perselisihan!

Rekaman

Saya telah melakukan streaming latihan di http://twitch.tv/x_pilot. Ada juga beberapa rekaman di saluran youtube saya.

Kredit

Terima kasih banyak kepada altf4 yang telah membantu saya memulai, dan kepada spxtr untuk pengamat memori python. Beberapa kode untuk interaksi lumba-lumba telah dipinjam dari kedua proyek (kebanyakan yang terakhir sekarang saya telah beralih ke python murni).