3.3 DeepMind Lab强化学习环境

除了以上OpenAI开发的Gym强化学习环境，Google的DeepMind实验室也开发了一系列强化学习环境，用于支持自身的强化学习算法的研究。其中比较有名的就是Google DeepMind Lab强化学习环境。DeepMind Lab强化学习环境是Google的DeepMind实验室为了研究用于游戏上的强化学习算法开发的，目前主要支持的是《雷神之锤3：竞技场》（Quake III Arena）这款3D游戏。该游戏是第一人称类型的游戏，在游戏中智能体控制强化学习环境的一个机器人来完成各种任务，获取其中的奖励。这些任务（设计为游戏中的不同关卡，每个关卡相当于不同的强化学习环境）包括但不限于：

● 在静态地图中收集一些水果，这些水果包含苹果（小的正奖励）、甜瓜（大的正奖励）和柠檬（小的负奖励）。

● 给定一个迷宫的初始地图，要求智能体探索这个迷宫，并根据迷宫地图的知识找到目标的地点。

● 给定一个未知的迷宫，不断探索这个迷宫，并根据探索迷宫得到的知识来返回目标位置的相关信息。

● 用激光标记的功能来标记由AI控制的其他机器人，每个机器人拥有一定的护盾值，每次标记成功会削减一定的护盾值，直到削减为0时，可以获取+1的奖励。

对于每个智能体，它可以采取的动作主要分为三种：第一种是移动，方向是前后左右、上跳和下蹲；第二种是观察，即移动智能体的相机，方向为上下左右；第三种是使用激光标记对手。

对于环境观测状态的描述，则可以直接使用RGB三通道的图像通过像素来表示，这个图像代表的是智能体通过相机观测到的周围的图像，或者是RGBD四通道的图像，其中D通道代表像素的深度，用于模仿机器人常用的距离传感器的数据。另外，如果需要，还可以得到与机器人的速度相关的数据，这些数据都可以整合进深度强化学习模型中作为模型的输入。智能体可以通过控制输入的频率来控制机器人运行的频率，一般来说，一个动作代表整个强化学习环境的一帧图像。

为了使用DeepMind Lab环境，首先需要下载和编译这个强化学习环境。读者可以使用git clone https://github.com/deepmind/lab命令下载相关代码（注意这个强化学习环境仅可在Linux和MacOS操作系统上使用，如果是MacOS操作系统，则需要使用git clone https://github.com/deepmind/lab-b macos来下载相关代码。在下载完代码之后，需要对目录下的WORKSPACE文件进行修改，主要修改的是new_local_repository变量中path的值，这个值代表的是系统的glibc所在的文件夹，读者可以根据自己系统的glibc所在的位置做修改。为了能够使用DeepMind Lab的Python接口，首先需要运行如下命令来进行编译：bazel build-c opt--python_version=PY3//python/pip_package：build_pip_package。这个命令将会编译Python接口所需要的源文件。在运行完这个命令之后，接下来运行下面的命令：./bazel-bin/python/pip_package/build_pip_package/tmp/dmlab_pkg，生成可供Python安装的wheel文件。该命令将会在/tmp/dmlab_pkg目录下生成一个名叫deepmind_lab-1.0-py3-none-any.whl的文件，读者可以使用pip install/tmp/dmlab_pkg/deepmind_lab-1.0-py3-none-any.whl命令安装deepmind_lab这个Python库。安装完这个库之后会发现，deepmind_lab还依赖于dm_env这个Python库，我们可以通过pip install dm-env命令安装这个依赖库。

下面介绍如何使用DeepMind Lab的Python接口，如代码3.9所示。

代码3.9 DeepMind Lab的Python接口使用示例。

为了使用该强化学习环境，首先需要指定具体的关卡，这里设定为'seekavoid_arena_01'，这是一个在迷宫中搜索水果的关卡。如果读者想要尝试其他关卡，可以在代码3.8中的关卡目录中找寻关卡的名字。初始化的时候需要指定一些参数，包括具体的渲染形式，以及每秒的帧数（fps）、关卡图像的高度（height）和宽度（width）等。在代码3.9中也可以看到，实际上DeepMind Lab和Gym的接口高度类似，区别在于可以同时执行多个动作，以及对应的动作空间和观测空间高度灵活。这里通过observations方法来获取一个当前状态的字典，这个当前状态的图像包含很多内容，例如，机器人观察的内容和速度、相机位置等。这里只取用当前机器人观察的内容作为强化学习环境状态的表示，具体的输出图像可以参考图3.8。