phillip

フィリップAI

深層強化学習に基づく SSBM プレーヤー。

注: このプロジェクトはもうアクティブではないため、ビット腐敗の可能性があります。 Slippi リプレイからの模倣学習に基づいた後継プロジェクトが https://github.com/vladfi1/slippi-ai にあります。

要件

テスト対象環境: Ubuntu >=14.04、OSX、Windows 7/8/10。

1. ドルフィンエミュレーター。おそらく、Linux ではソースからコンパイルする必要があります。 Windows では、カスタムのドルフィン バージョンをインストールする必要があります。zip をどこかに解凍するだけです。
2. SSBM ISO イメージ。 NTSC 1.02が必要です。
3. Python 3. Windows では、必要なパスを設定する Anaconda を使用できます。 Windows 10 で Linux サブシステムを使用することもできます。
4. フィリップをインストールします。 zip ファイルをダウンロードして抽出することも、このリポジトリのクローンを作成することもできます。次に、フィリップ ルートからpip install -e . 。
5. 一部のトレーニングを受けたエージェントはagentsディレクトリに含まれています。トレーニングを受けたエージェントの完全なセットはここから入手できます。

遊ぶ

イルカがどこにいるかを知る必要があります。 Mac では、ドルフィンのパスは/Applications/Dolphin.app/Contents/MacOS/Dolphinになります。 dolphin-emuがすでにPATH上にある場合は、これを省略できます。

 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]

トレーニングされたエージェントはagentsディレクトリに保存されます。 FalconFalconBFの他に、 agents/delay0/のエージェントもかなり強力です。 --helpを指定して実行すると、すべてのオプションが表示されます。最も人間に似たエージェントは、Google ドライブの zip で入手できるdelay18/FalcoBFです。

Windows ノート

• --exe 、解凍したBinaryx64Dolphin.exeへのパスになります。一般に、MinGW、Cygwin、git bash、またはその他の Unix シェル エミュレータを使用している場合を除き、すべてのパスで forward / s は back s である必要があります。
• python3やpip3などのコマンドから3省略する必要がある場合があります。
• Anaconda を使用しない場合は、Python がコマンド プロンプトに表示されるように PATH を変更する必要がある可能性があります。
• dolphin との通信は、 --tcp 1フラグ (現在は--windowsで暗示されています) で有効化されたローカル ループバック インターフェイス経由で行われます。ファイアウォールでポート 5555 を開く必要がある場合もあります。
• Windows 10 の場合は、dolphin の取得を除いて、Linux サブシステムですべての操作を行うことができ、Linux の指示に従うことができます。 --user tmp使用して明示的なユーザー ディレクトリを渡す必要があります (Python が作成する一時ディレクトリは/tmp/...で始まり、Windows dolphin では無効です)。

電車

トレーニングはphillip/train.pyによって制御されます。 slurm クラスターでの大規模並列トレーニングについては、 runner.pyとlauncher.pyも参照してください。フィリップは MGHPCC で訓練を受けています。 zmq を使用して AI と同期するカスタム ドルフィンでトレーニングすることをお勧めします。そうしないと、以下のコマンドが失敗する可能性があります。

現地での研修も可能です。まず、 runner.py目的のトレーニング パラメータで編集します (上級)。次に、次のようにします。

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

トレーニング中に統計を表示するには:

 tensorboard --logdir logs/

トレーナーと (オプションで) エージェントは、stdout/err をslurm_logs/にリダイレクトします。トレーニングを終了するには:

 kill $(cat saves/path/pids)

トレーニングを再開するには、 launcher.py再度実行します。ただし、 --init省略します (古いネットワークが上書きされます)。

Windows でのトレーニングはサポートされていません。

Microsoftv のおかげで、説明ビデオも公開されました。

サポート

ディスコードに来てください！

録音

http://twitch.tv/x_pilot で練習プレイをストリーミング配信しています。私の YouTube チャンネルにもいくつかの録画があります。

クレジット

始めさせてくれた altf4 と、Python メモリ ウォッチャーの spxtr に感謝します。ドルフィン インタラクションのコードの一部は両方のプロジェクトから借用しました (純粋な Python に切り替えたので、主に後者です)。