Godot RL Agents

欢迎加入我们的 Discord 获取帮助并参与关于 Godot RL Agents 的讨论。

Godot RL Agents 是一个完全开源的软件包，旨在让电子游戏创作者、AI 研究人员和爱好者能够为他们的非玩家角色（NPC）或智能体训练复杂的行为。 本仓库提供以下内容：

• Godot Engine 创建的游戏与运行在 Python 上的机器学习算法之间的接口。
• 四种主流 RL 框架的封装：StableBaselines3、Sample Factory、Ray RLLib 和 CleanRL。
• 支持基于内存的智能体，提供 LSTM 或基于注意力机制（Attention）的接口。
• 支持 2D 和 3D 游戏。
• 一套 AI 传感器，用于增强智能体观察游戏世界的能力。
• Godot 和 Godot RL Agents 完全免费且开源，基于宽松的 MIT 许可证。无附加条款，无版税，无任何限制。

您可以在我们的 AAAI-2022 研讨会 论文 中了解更多关于 Godot RL Agents 的信息。

https://user-images.githubusercontent.com/7275864/140730165-dbfddb61-cc90-47c7-86b3-88086d376641.mp4

快速入门指南

本快速入门指南将引导您使用 StableBaselines3 后端来运行 Godot RL Agents 库，因为它支持 Windows、Mac 和 Linux。建议从这里开始，在学习更复杂的智能体行为时再尝试我们的进阶教程。 此外还有一个 视频教程，演示了如何安装该库并创建自定义环境。

安装与首次训练

安装 Godot RL Agents 库。如果您是 Python 新手，或者没有使用虚拟环境，强烈建议使用 venv 或 Conda 创建一个，以隔离您的项目依赖。

设置好虚拟环境后，继续进行安装：

pip install godot-rl

下载一个或多个 示例项目，例如 BallChase、JumperHard、FlyBy。

gdrl.env_from_hub -r edbeeching/godot_rl_JumperHard

您可能需要为游戏可执行文件添加运行权限：

chmod +x examples/godot_rl_JumperHard/bin/JumperHard.x86_64

进行训练并可视化，首先下载 GitHub 仓库中的 Stable Baselines 3 示例 脚本：

python examples/stable_baselines3_example.py --env_path=examples/godot_rl_JumperHard/bin/JumperHard.x86_64 --experiment_name=Experiment_01 --viz

已弃用的入口点用法（将在 1.0 版本中移除）：

gdrl --env=gdrl --env_path=examples/godot_rl_JumperHard/bin/JumperHard.x86_64 --experiment_name=Experiment_01 --viz

编辑器内交互式训练

您也可以在 Godot 编辑器中训练智能体，而无需导出游戏可执行文件。

1. 从 https://godotengine.org/ 下载 Godot 4 游戏引擎（.NET 版本）。
2. 打开引擎并导入 examples/godot_rl_JumperHard 中的 JumperHard 示例。
3. 通过以下命令开始编辑器内训练：python examples/stable_baselines3_example.py

教程

自定义环境教程

关于创建自定义环境的专门教程。建议在尝试创建自己的环境之前先阅读此教程。

简单环境教程

关于如何使用新传感器（位置和奖励传感器）创建环境的视频和文本教程。建议先学习上述教程，但您也可以直接从这个开始。

“过马路”教程

关于如何制作“过马路”小游戏的教程。

模仿学习教程

教授如何结合 GDRL 使用模仿学习。

如果在入门过程中遇到任何问题，请通过我们的 Discord 联系我们，或提交 GitHub Issue。

导出并以 ONNX 格式加载训练好的智能体：

该库的最新版本为 Stable Baselines 3、rllib 和 CleanRL 训练框架提供了对 ONNX 模型的实验性支持。

1. 首先使用 sb3 示例 训练您的智能体。