步骤

安装

pip3 install gym-retro

测试

在jupyter notebook中输入以下代码

import retrodef main():env = retro.make(game='Airstriker-Genesis')obs = env.reset()while True:obs, rew, done, info = env.step(env.action_space.sample())env.render()if done:obs = env.reset()env.close()if __name__ == "__main__":main()

如果有画面出现则表明安装成功！

查看游戏列表

retro.data.list_games()

运行上面这段代码会输出很多游戏名字。再试一试env = retro.make(game='AdventureIslandII-Nes')，结果报错，下面开始解决这个问题。

issue

非常重要的注意事项：
如果ROM带有.bin扩展名，需要将其重命名为具有该系统正确的扩展名。如Atari类型的，需要改成.a26，以便python -m retro.import成功！
.md：世嘉创世纪（Mega Drive）
.sfc：超级任天堂娱乐系统
.nes：任天堂娱乐系统
.a26：Atari 2600
.gb：任天堂游戏男孩
.gba：任天堂Game Boy Advance
.gbc：任天堂游戏男孩Color
.gg：世嘉游戏装备
.pce：NEC TurboGrafx-16
.sms：世嘉Master System

报错：

You need to import the roms they are not provided by default！！！
所以有时候我们创建环境，如env = retro.make(game='1942-Nes')会出现以下报错：

FileNotFoundError: Game not found: 1942-Nes. Did you make sure to import the ROM?

解决方案：

从http://www.atarimania.com/rom_collection_archive_atari_2600_roms.html 下载zip文件
解压Roms.rar到ROMS.rar，解压ROMS.rar找到Space Invaders (1980) XXXXXX，此时文件都是.bin扩展名，需要修改，参照上面的注意事项
在终端中cd到ROMS.rar所在目录如 C:\Users\haha\Desktop\Roms\ROMS
输入python -m retro.import .（不要忘记这个点）如C:\Users\haha\Desktop\Roms\ROMS>python -m retro.import .
Importing 游戏就成了！
注意，这里还只是增加了部分Atari游戏，像上述报错并没有直接解决，因为1942-Nes不是.a26而是Nes。你只需要到网上下载相应报错的游戏，然后按照步骤2~4执行就好了。

未完待续……

一、单智能体环境

按照上面的解决方法，我们可以更进一步，自己到网上下载一些游戏，比如Nes类型的。接下来我们试一下效果

import retrodef main():env = retro.make(game='AdventureIslandII-Nes')obs = env.reset()while True:obs, rew, done, info = env.step(env.action_space.sample())env.render()if done:obs = env.reset()env.close()if __name__ == "__main__":main()

运行之后得到如下结果，成功！算法部分留给大家去探索吧。

90后大概都玩过的游戏环境

冒险岛系列

AdventureIslandII-Nes
AdventureIsland3-Nes

忍者神龟

TeenageMutantNinjaTurtlesTournamentFighters-Nes 这是格斗版的

二、多智能体环境

Retro提供了一些多智能体的环境
TODO

Retro-用于强化学习智能体训练的各种有趣的游戏环境集合相关推荐

MATLAB强化学习实战(一) 强化学习智能体训练总览
强化学习智能体训练总览简介训练算法情节管理器保存候选智能体并行计算 GPU加速验证训练后的策略环境验证简介创建环境和强化学习智能体后,您可以使用训练功能在环境中训练智能体. 要配置您 ...
MATLAB强化学习实战(十三) 使用强化学习智能体训练Biped机器人行走
使用强化学习智能体训练Biped机器人行走两足机器人模型创建环境接口选择和创建训练智能体 DDPG Agent TD3 Agent 指定训练选项和训练智能体仿真训练过的智能体比较智能体性能 ...
DeepMind推出「控制套件」：为「强化学习智能体」提供性能基准
来源:arxiv 作者:Yuval Tassa, Yotam Doron, Alistair Muldal, Tom Erez,Yazhe Li, Diego de Las Casas, David ...
MATLAB强化学习工具箱（十二）强化学习智能体创建总览
强化学习智能体创建总览强化学习介绍内置智能体选择智能体类型自定义智能体关于强化学习的更多介绍强化学习介绍强化学习的目标是训练智能体在不确定的环境中完成任务.智能体从环境中接收观察和奖励, ...
伯克利AI研究院解析「反向课程学习」，改善「强化学习智能体」并应用于机器人技术
原文来源:arXiv 作者:Wieland Brendel.Jonas Rauber.Matthias Bethge 「雷克世界」编译:嗯~阿童木呀.哆啦A亮众所周知,强化学习(RL)是一种强大的技 ...
综合LSTM、transformer优势，DeepMind强化学习智能体提高数据效率
©作者 | 陈萍.杜伟来源 | 机器之心来自 DeepMind 的研究者提出了用于强化学习的 CoBERL 智能体,它结合了新的对比损失以及混合 LSTM-transformer 架构,可以提高处 ...
使用Amazon SageMaker RL 和Unity训练强化学习智能体
[更新记录] 2022年3月25日更新原始内容本文目录结构 1. Overview of solution 2. Building a Docker container 3. Unity envi ...
MATLAB强化学习实战(八) 训练多个智能体执行协作任务
训练多个智能体执行协作任务创建环境创建智能体训练智能体智能体仿真本示例说明如何在Simulink®环境上设置多智能体训练. 在该示例中,您训练了两个智能体以协同执行移动对象的任务. 2020 ...
使用强化学习快速让AI学会玩贪食蛇游戏(轻量级二十分钟训练+代码)
如何让AI玩会贪食蛇,甚至比你厉害概述构建问题(强化学习求解的一般步骤) 环境动作定义状态定义奖励设计训练奖励值收敛图采用第4种状态定义方法初步训练效果最终训练效果模型泛化迁移能力 ...

Retro-用于强化学习智能体训练的各种有趣的游戏环境集合

目录

步骤

安装

测试