Блог

Я пытаюсь использовать keras-rl для обучения и использования искусственного интеллекта для игры, написанной на C с привязками к Python. Я впервые использую keras-rl, и я нахожу, что его ожидания расходятся с тем, как реализован игровой интерфейс искусственного интеллекта.

Насколько я понимаю, keras-rl рассчитывает управлять самим обучением с подкреплением через среду тренажерного зала с помощью следующих методов:

 def reset(self) -> observation # start a new episode, get first observation
def step(self, action) -> observation, reward, done, info # provide an action, get next observation, etc
  

Однако приложение C ожидает вызова AI с помощью следующих методов:

 def start(self, episode_info) -> None # start a new episode
def select(self, observation) -> action # provide an observation, get back an action
def end(self, reward) -> None # end an episode (with a reward)
  

Как я могу наилучшим образом согласовать эти два, казалось бы, противоречивых подхода? Нужно ли мне запускать keras-rl в отдельном процессе и заставлять их как-то взаимодействовать?

(Обратите внимание, что приложение позволяет многократно запускать AI с другими AI, которые оно указывает в episode_info, и именно так я планирую отличать обучение от использования.)