lab2d

DeepMind 实验室 2D

用 C++ 和 Lua 编写的用于创建网格世界的学习环境。

关于

DeepMind Lab2D是一个用于创建机器学习 2D 环境的系统。该系统的主要目标是易用性和性能：环境是“网格世界”，它是通过简单的基于文本的地图的世界布局和其行为的 Lua 代码的组合来定义的。机器学习代理通过两个 API 之一与这些环境进行交互：Python dm_env API 或自定义 C API（DeepMind Lab 也使用该 API）。支持多个代理。

如果您在研究中使用DeepMind Lab2D并希望引用它，我们建议您引用随附的白皮书。

安装

DeepMind Lab2d可在 PyPI 上使用，并且可以使用以下方式安装：

pip install dmlab2d

dmlab2d作为 Linux 和 macOS 的预构建轮进行分发。如果没有适合您的平台的轮子，您将需要从源代码构建它。请参阅install.sh以获取可适应您的设置的示例安装脚本。

入门

我们在python/random_agent中提供了一个示例“随机”代理，它执行随机操作。这可以用作创建您自己的代理的基础，也可以用作预览环境的简单工具。

bazel run -c opt dmlab2d/random_agent -- --level_name=clean_up

外部依赖项、先决条件和移植说明

DeepMind Lab2D依赖于一些外部软件库，我们以几种不同的方式提供这些库：

• dm_env 、 eigen 、 luajit 、 lua5.1 、 lua5.2 、 luajit 、 png和zlib库被引用为外部 Bazel 源，并提供了 Bazel BUILD 文件。依赖代码本身应该具有相当的可移植性，并且我们发布的 BUILD 规则特定于 Linux x86 和 MacOS（x86 和 arm64）。要在不同的平台上构建，您很可能必须编辑这些 BUILD 文件。

• //third_party/rl_api中包含“通用强化学习 API”。

• 需要几个额外的库，但不以任何形式提供；它们必须存在于您的系统上：

  • Python 3.8或更高版本，带有NumPy 、 PyGame和packaging 。

构建规则使用一些特定于 GCC/Clang 的编译器设置。如果您的编译器无法识别某些标志（通常是特定的警告抑制），您可能必须编辑这些标志。

免责声明

这不是 Google 官方产品。