还记得DeepMind那个会跑酷的AI吗？它打算用这套Python强化学习工具吊打OpenAI

还记得这个会跑酷的机器人吗？

5个多月前，DeepMind连发三篇强化学习论文，让机器人在仿真环境中自己就能学会灵活多变的各种动作，包括步行、跑动、跳跃、翻墙，等等。

https://v.qq.com/txp/iframe/player.html?vid=p1321hzr209&width=500&height=375&auto=0

今天，DeepMind公布了这三篇论文中所用的强化学习控制套件dm_control，它是一套基于MuJoCo物理引擎的Python强化学习的开发环境，可以在一套标准化的架构上执行各种不同的强化学习任务，并使用可解释性奖励来评估强化学习算法的学习效果。

控制套件的GitHub代码库地址是：https://github.com/deepmind/dm_control

DeepMind还为该控制套件提供了一份完整的使用说明：

https://github.com/deepmind/dm_control/blob/master/tech_report.pdf

DeepMind说明文档的介绍

对于实体世界的控制，是通用智能的一个必备组分，甚至还可以说是先决条件。事实上，唯一已知的通用智能案例，就出现在业已操控世界数百万年之久的灵长类身上。

实体控制任务有着许多共通的特性，所以可以将其视为一大类独特的行为问题。不同于棋类游戏、语言或其他符号学领域，在状态、时间和行为的层面，实体任务从根本上就是连续的。其动力学遵循二阶运动方程，这就意味着其基本状态是由类似于位置和速度的变量所构成，而状态的导数则类似于加速度。感知信号（亦即观察）通常具备有意义的物理单位，并在相应的时间范围内随之变化。

2010年以来，强化学习（Reinforcement Learning）在电子游戏（Mnih, 2015）等难题上的应用取得了很大的进展。街机游戏学习环境（ALE，Bellemare et al. 2012）是这些进展的一个重要的推动因素，它为评估和比较这些学习算法提供了一套标准的衡量办法。对于连续控制的问题，DeepMind控制套件也在提供一套类似的标准。

在连续控制领域，拥有各种模拟环境的OpenAI Gym（Brockman等人，2016）已经成为此类连续强化学习算法（Duan等人，2016; Henderson等人，2017）事实上的标准。同样作为一系列连续强化学习的标准，DeepMind控制套件还有一些显著的差异。DeepMind专注于连续控制问题，例如，将观察与相似的单位分开（位置、速度、力等），而非把将它们连成一个向量。

我们统一封装的奖励结构可以提供可解释的学习曲线，并且汇总了全套算法的性能测量。此外，我们强调使用设计模式统一的高质量完整代码，同时提供可读性、透明性与可扩展性都很强的代码库。最后，DeepMind控制套件不仅拥有OpenAI Gym已有的各项环境，并且还增加了更多功能。

关于该套件的具体使用，DeepMind还专门上传了一段视频

https://v.qq.com/txp/iframe/player.html?vid=k1331vg9arx&width=500&height=375&auto=0

dm_control安装步骤及软件环境要求：

1. 从MuJoCo网站的下载页面下载MuJoCo Pro 1.50版本。注意：你必须在安装dm_control前安装好MuJoCo Pro，因为dm_control的安装脚本要根据MuJoCo的头文件生成Python Ctypes的绑定文件。默认情况下，dm_control会假定MuJoCo Zip文件将被提取到~/.mujoco/mjpro150文件夹。

2. 安装dm_control的Python包：可以运行pip命令“pip install git + git：//github.com/deepmind/dm_control.git”（随后将推出PyPI）；或直接克隆本代码库并执行“pip install /path/to/dm_control/”命令。在安装时， dm_control在～/.mujoco/mjpro150/include路径下查找步骤1中的MuJoCo头文件，你也可以用headers-dir命令行参数自定义该路径。

3. 在运行dm_control时，需要为MuJoCo安装许可证密钥。更为详细的信息，可参阅MuJoCo许可证密钥页面https://www.roboti.us/license.html。默认情况下，dm_control会在～/.mujoco/mjkey.txt路径下查找MuJoCo许可证密钥文件。

4. 如果将许可证密钥 （例如，mjkey.txt） 或MuJoCo Pro所提供的共享库（例如，libmujoco150.so或libmujoco150.dylib）安装到非默认路径，则需要分别使用MJKEY_PATH和MJLIB_PATH环境变量来指定其路径。

macOS用户使用Homebrew安装的有关说明：

1. 只要你是用Homebrew安装的Python解释器 (注意：不是系统默认的解释器)，使用上述pip安装命令一般是可以正常工作的。

2. 使用OpenGL前，需要先通过“brew install glfw”命令从Homebrew安装glfw软件包。

3. 运行之前，需要先用GLFW库的路径来更新DYLD_LIBRARY_PATH环境变量，即运行命令“export DYLD_LIBRARY_PATH=$(brew --prefix)/lib:$DYLD_LIBRARY_PATH”。

dm_control快速开始代码：

更多使用细节，请查阅DeepMind所提供的说明文档：

https://github.com/deepmind/dm_control/blob/master/tech_report.pdf

你可以安装DeepMind这个dm_control试一试，看一看它比OpenAI的Gym到底强在哪里？

热文精选