社区首页 >专栏 >如何训练AI玩飞机大战游戏

如何训练AI玩飞机大战游戏

数据森麟

发布于 2019-09-27 09:04:18

3.3K11

代码可运行

文章被收录于专栏：数据森麟数据森麟

运行总次数：1

代码可运行

本文转载自1024开发者社区

虽然没有谷歌强大的集和DeepMind变态的算法的团队，但基于深度强化学习（Deep Q Network DQN ）的自制小游戏AI效果同样很赞。先上效果图：

下面分四个部分，具体给大家介绍。

/1/背景介绍

2013年DeepMind团队发表论文“Playing Atari with Deep Reinforcement Learning”，用Q-Network模型成功让AI玩起了Atari系列游戏。并于2015年在《Nature》上发表了一篇升级版，“Human-level control through deep reinforcement learning”，自此，在这类游戏领域，人已经无法超过机器了。AI玩游戏的姿势是这样的：

后来的故事大家都很熟悉了，AlphaGo击败世界冠军，星际争霸2职业选手也被打败，连大家接触较多的王者荣耀也不能幸免。

/2/深度强化学习模型

看完了轻松的部分，下面简单介绍一下模型。DQN是DRL的一种算法，它将卷积神经网络（CNN）和Q-Learning结合起来。

Q-learning是强化学习的一种，原理图如下：

也就是Agent在观察得到当前的状态state和回报reward的基础上，选取输出一个动作action，进而影响环境，使环境状态和回报都产生变化。通过不断循环让Agent学习如何在环境中获得更高的回报。

卷积神经网络CNN是图像处理领域非常经典的神经网络模型，在本模型中，输入是原始图像数据，输出为每个动作action对应的评估值。

因此DQN总体结构是这样的：

图比较简单，但原理很清晰，是将Agent中的模型用CNN来代替，环境的State为游戏界面截图，输出为AI的动作，在飞机大战中就是飞机向左、向右还是不动。回报reward具体为，在一次循环中没有被击中为0.1，被击中为-1，击中敌机为1。图中回放记忆单元、当前网络和目标网络都是为了将CNN这种需要大量样本的监督学习融合在强化学习模型中的手段。篇幅限制这里只是概述性的介绍，后期会专门讲。

/3/模型实现

3.1程序的总体结构

程序主函数在PlaneDQN.py中，与DQN模型相关的函数在BrainDQN_Nature.py中，游戏模型在game文件夹中，训练过程保存的训练值在saved_networks文件夹中。

3.2主函数搭建

大家注意看while循环里的结构，其实非常明确：

getaction()为在当前的Q值下选取动作
framestep()为运行环境，并输出观测值
process()为对图像数据进行处理的函数
setPerception()根据图像和回报，对网络进行训练

def playPlane():
   # Step 1: 初始化DQN
   actions = 3
   brain = BrainDQN(actions)
   # Step 2: 初始化游戏
   plane = game.GameState()
   # Step 3: 玩游戏
   # Step 3.1: 获取初始动作
   action0 = np.array([1,0,0])  # [1,0,0]do nothing,[0,1,0]left,[0,0,1]right
   observation0, reward0, terminal = plane.frame_step(action0)
   observation0 = cv2.cvtColor(cv2.resize(observation0, (80, 80)), cv2.COLOR_BGR2GRAY)
   ret, observation0 = cv2.threshold(observation0,1,255,cv2.THRESH_BINARY)
   brain.setInitState(observation0)
   # Step 3.2: 开始游戏
   while 1!= 0:
      action = brain.getAction()
      nextObservation,reward,terminal = plane.frame_step(action)
      nextObservation = preprocess(nextObservation)
      brain.setPerception(nextObservation,action,reward,terminal)

3.3 游戏类GameState和framestep

通过pygame实现游戏界面的搭建，分别建立子弹类、玩家类、敌机类和游戏类，结构代码所示。

class Bullet(pygame.sprite.Sprite):
    def __init__(self, bullet_img, init_pos):
    def move(self):
# 我方飞机类
class Player(pygame.sprite.Sprite):
    def __init__(self, plane_img, player_rect, init_pos):
    def shoot(self, bullet_img):           def moveLeft(self):        
    def moveRight(self):
# 敌方飞机类
class Enemy(pygame.sprite.Sprite):
    def __init__(self, enemy_img, enemy_down_imgs, init_pos):
    def move(self):

class GameState:
    def __init__(self):      
    def frame_step(self, input_actions):       
        if input_actions[0] == 1 or input_actions[1]== 1 or input_actions[2]== 1:  # 检查输入正常
            if input_actions[0] == 0 and input_actions[1] == 1 and input_actions[2] == 0:
                self.player.moveLeft()
            elif input_actions[0] == 0 and input_actions[1] == 0 and input_actions[2] == 1:
                self.player.moveRight()
            else:
                pass
        else:
            raise ValueError('Multiple input actions!')
        image_data = pygame.surfarray.array3d(pygame.display.get_surface())
        pygame.display.update()
        clock = pygame.time.Clock()
        clock.tick(30)
        return image_data, reward, terminal

其中GameState中的framestep()函数，是整个DQN运行一次使环境发生变化的基础函数，该函数运行一次，会根据inputaction进行动作实施，接着会在该时段对界面上的元素进行移动，并判断是否撞击。最后通过get_surface获取界面图像，最后返回环境的image_data，reward和游戏是否停止的terminal。本文游戏效果图为：

为提高模型收敛速度，在实际运行时将背景图片去掉。

3.4 DQN模型类

该部分为DQN模型的核心，主要有根据参数建立CNN网络的createQNetwork()，进行模型训练的trainQNetwork()，进行动作选择的getAction()。

class BrainDQN:
   def __init__(self,actions):  
   def createQNetwork(self):
      return stateInput,QValue,W_conv1,b_conv1,W_conv2,b_conv2,W_conv3,b_conv3,W_fc1,b_fc1,W_fc2,b_fc2
   def copyTargetQNetwork(self):
      self.session.run(self.copyTargetQNetworkOperation)
   def createTrainingMethod(self):
   def trainQNetwork(self):   
   def getAction(self):
      return action
   def setInitState(self,observation):
      self.currentState = np.stack((observation, observation, observation, observation), axis = 2)
   def weight_variable(self,shape):
      return tf.Variable(initial)
   def bias_variable(self,shape):
      return tf.Variable(initial)
   def conv2d(self,x, W, stride):
      return tf.nn.conv2d(x, W, strides = [1, stride, stride, 1], padding = "SAME")
   def max_pool_2x2(self,x):
      return tf.nn.max_pool(x, ksize = [1, 2, 2, 1], strides = [1, 2, 2, 1], padding = "SAME")

3.5图像处理

图像预处理调用cv2库函数，对图像进行大小和灰度处理。

def preprocess(observation):
   observation = cv2.cvtColor(cv2.resize(observation, (80, 80)), cv2.COLOR_BGR2GRAY)#灰度转化
   ret, observation = cv2.threshold(observation,1,255,cv2.THRESH_BINARY)
    return np.reshape(observation,(80,80,1))