9-20. 遺伝的アルゴリズム（vcopt）でOpenAI Gym “CarRacing-v0″ に挑戦

やること

9-19ではGoogle ColaboratoryでOpenAI Gymの「CarRacing-v0」を実行し、最後に遺伝的アルゴリズムでプレイした例をお見せしました。

9-19. Google ColaboratoryでOpenAI Gym "CarRacing-v0"を実行できるように改造した

メロスは激怒した「Google Colaboratory」で OpenAI Gym のゲーム環境の一つである「CarRacing-v0」をやろうとした人の10人に11人は挫折したことと思いま...

vigne-cla.com

2020/05/05

最適化アルゴリズムはこちらの記事のものを改変して使っています。

9-11. 遺伝的アルゴリズム（vcopt）でスーパーマリオのスピードランに挑戦

やること9-3では、いわば「目を閉じて走り、ジャンプのタイミングを最適化」することでマリオの1-1をクリアしました。ここでは、GA職人のプライドをかけて先の手法を発展させ、美しく最速でマリオ...

vigne-cla.com

2020/05/07

ここではいくつかのステージで、遺伝的アルゴリズム（GA）を使って最適化を行ってみます。

結果だけどうぞ

コース１

先の記事でもこのコースを走りました。

コース２

やったぜ。

コース３

直線が続くと調子に乗るみたいです。

コース４

えぇ・・・

コース５

安全第一。素晴らしいです。

コース６

out-in-out・・・ではないですね。

感想

デフォルトのコードでは、env.step() の返り値に含まれる有益な情報は報酬しかありませんでした。これは改造後も変わっていません。報酬だけでは最適化にも限界があるので、さらに改造して道路情報なども得られるようにしたいです。