从世界瞩目的围棋游戏 AlphaGo
突然袭来的回忆杀~
今天为大家介绍一个在街机游戏《街头霸王 3》中进行模拟来训练改进强化学习算法的工具包。不仅在 MAME 游戏模拟器中可以使用，这个 Python 库可以在绝大多数的街机游戏中都可以训练你的算法。
下面营长就从安装、设置到测试分步为大家介绍一下。
目前这个工具包支持在 Linux 系统，作为 MAME 的包装器来使用。通过这个工具包，你可以定制算法逐步完成游戏过程，同时接收每一帧的数据和内部存储器的地址值来跟踪游戏状态，以及发送与游戏交互的动作。
首先你需要准备的是：
▌安装
你可以使用 pip 来安装该库，运行下面的代码:
▌《街头霸王3》示例
下面的代码演示了如何在街头霸王的环境下编写一个随机智能体。
此外，这个工具包还支持 hogwild 训练:
▌游戏环境设置
你可以通过运行以下代码来查看游戏ID：
该命令会打开 MAME 模拟器，你可以从游戏列表中选择你所要的那款游戏。游戏的 ID 通常位于标题后面的括号中。
可以使用以下命令运行 Debugger：
更多关于该调试工具的使用说明请参考此教程：https://www.dorkbotpdx.org/blog/skinny/use_mames_debugger_to_reverse_engineer_and_extend_old_games
当你确定了所要跟踪的内存地址后可以执行以下命令进行模拟：
该命令会启动模拟器，并在工具包导入到模拟器进程时暂停。
在工具包导入完成后，你可以使用 step 函数分步进行模拟：
step 函数将以 Numpy 矩阵的形式返回 frame 和 data 的值，同时也会返回总时间步长的所有内存地址整数值。
如果要向仿真器输入动作，你还需要确定游戏支持的输入端口和字段。例如，在街头霸王游戏中需要执行以下代码进行投币：
可以使用 list actions 命令查看所支持的输入端口，代码如下：
以下返回的列表就包含了街头霸王游戏环境中可用于向 step 函数发送动作的所有端口和字段：
模拟器还有一个 frame_ratio 参数，可以用来调整你的算法帧率。在默认设置下，NAME 每秒能生成 60 帧。当然，如果你觉得这样太多了，你也能通过以下代码将其改为每秒 20 帧：
▌性能基准测试
▌简单的 ConvNet 智能体
*声明：本文于网络整理，版权归原作者所有，如来源信息有误或侵犯权益，请联系我们删除或授权事宜。
觉得不错，点个“在看”然后转发出去
