escape.py

   1 #!/usr/bin/env python
   2
   3 # Any copyright is dedicated to the Public Domain.
   4 # https://creativecommons.org/publicdomain/zero/1.0/
   5
   6 # Written by Francois Fleuret <francois@fleuret.org>
   7
   8 import torch
   9
  10 from torch.nn import functional as F
  11
  12 ######################################################################
  13
  14 nb_state_codes = 4
  15 nb_actions_codes = 5
  16 nb_rewards_codes = 3
  17 nb_lookahead_rewards_codes = 3
  18
  19 first_state_code = 0
  20 first_actions_code = first_state_code + nb_state_codes
  21 first_rewards_code = first_actions_code + nb_actions_codes
  22 first_lookahead_rewards_code = first_rewards_code + nb_rewards_codes
  23 nb_codes = first_lookahead_rewards_code + nb_lookahead_rewards_codes
  24
  25 ######################################################################
  26
  27
  28 def action2code(r):
  29     return first_actions_code + r
  30
  31
  32 def code2action(r):
  33     return r - first_actions_code
  34
  35
  36 def reward2code(r):
  37     return first_rewards_code + r + 1
  38
  39
  40 def code2reward(r):
  41     return r - first_rewards_code - 1
  42
  43
  44 def lookahead_reward2code(r):
  45     return first_lookahead_rewards_code + r + 1
  46
  47
  48 def code2lookahead_reward(r):
  49     return r - first_lookahead_rewards_code - 1
  50
  51
  52 ######################################################################
  53
  54
  55 def generate_episodes(nb, height=6, width=6, T=10, nb_walls=3):
  56     rnd = torch.rand(nb, height, width)
  57     rnd[:, 0, :] = 0
  58     rnd[:, -1, :] = 0
  59     rnd[:, :, 0] = 0
  60     rnd[:, :, -1] = 0
  61     wall = 0
  62
  63     for k in range(nb_walls):
  64         wall = wall + (
  65             rnd.flatten(1).argmax(dim=1)[:, None]
  66             == torch.arange(rnd.flatten(1).size(1))[None, :]
  67         ).long().reshape(rnd.size())
  68
  69         rnd = rnd * (1 - wall.clamp(max=1))
  70
  71     states = wall[:, None, :, :].expand(-1, T, -1, -1).clone()
  72
  73     agent = torch.zeros(states.size(), dtype=torch.int64)
  74     agent[:, 0, 0, 0] = 1
  75     agent_actions = torch.randint(5, (nb, T))
  76     rewards = torch.zeros(nb, T, dtype=torch.int64)
  77
  78     monster = torch.zeros(states.size(), dtype=torch.int64)
  79     monster[:, 0, -1, -1] = 1
  80     monster_actions = torch.randint(5, (nb, T))
  81
  82     all_moves = agent.new(nb, 5, height, width)
  83     for t in range(T - 1):
  84         all_moves.zero_()
  85         all_moves[:, 0] = agent[:, t]
  86         all_moves[:, 1, 1:, :] = agent[:, t, :-1, :]
  87         all_moves[:, 2, :-1, :] = agent[:, t, 1:, :]
  88         all_moves[:, 3, :, 1:] = agent[:, t, :, :-1]
  89         all_moves[:, 4, :, :-1] = agent[:, t, :, 1:]
  90         a = F.one_hot(agent_actions[:, t], num_classes=5)[:, :, None, None]
  91         after_move = (all_moves * a).sum(dim=1)
  92         collision = (
  93             (after_move * (1 - wall) * (1 - monster[:, t]))
  94             .flatten(1)
  95             .sum(dim=1)[:, None, None]
  96             == 0
  97         ).long()
  98         agent[:, t + 1] = collision * agent[:, t] + (1 - collision) * after_move
  99
 100         all_moves.zero_()
 101         all_moves[:, 0] = monster[:, t]
 102         all_moves[:, 1, 1:, :] = monster[:, t, :-1, :]
 103         all_moves[:, 2, :-1, :] = monster[:, t, 1:, :]
 104         all_moves[:, 3, :, 1:] = monster[:, t, :, :-1]
 105         all_moves[:, 4, :, :-1] = monster[:, t, :, 1:]
 106         a = F.one_hot(monster_actions[:, t], num_classes=5)[:, :, None, None]
 107         after_move = (all_moves * a).sum(dim=1)
 108         collision = (
 109             (after_move * (1 - wall) * (1 - agent[:, t + 1]))
 110             .flatten(1)
 111             .sum(dim=1)[:, None, None]
 112             == 0
 113         ).long()
 114         monster[:, t + 1] = collision * monster[:, t] + (1 - collision) * after_move
 115
 116         hit = (
 117             (agent[:, t + 1, 1:, :] * monster[:, t + 1, :-1, :]).flatten(1).sum(dim=1)
 118             + (agent[:, t + 1, :-1, :] * monster[:, t + 1, 1:, :]).flatten(1).sum(dim=1)
 119             + (agent[:, t + 1, :, 1:] * monster[:, t + 1, :, :-1]).flatten(1).sum(dim=1)
 120             + (agent[:, t + 1, :, :-1] * monster[:, t + 1, :, 1:]).flatten(1).sum(dim=1)
 121         )
 122         hit = (hit > 0).long()
 123
 124         # assert hit.min() == 0 and hit.max() <= 1
 125
 126         rewards[:, t + 1] = -hit + (1 - hit) * agent[:, t + 1, -1, -1]
 127
 128     states += 2 * agent + 3 * monster
 129
 130     return states, agent_actions, rewards
 131
 132
 133 ######################################################################
 134
 135
 136 def episodes2seq(states, actions, rewards, lookahead_delta=None):
 137     states = states.flatten(2) + first_state_code
 138     actions = actions[:, :, None] + first_actions_code
 139
 140     if lookahead_delta is not None:
 141         a = rewards.new_zeros(rewards.size())
 142         b = rewards.new_zeros(rewards.size())
 143         for t in range(a.size(1) - 1):
 144             a[:, t] = rewards[:, t + 1 :].min(dim=-1).values
 145             b[:, t] = rewards[:, t + 1 :].max(dim=-1).values
 146         s = (a < 0).long() * a + (a >= 0).long() * b
 147         lookahead_rewards = (1 + s[:, :, None]) + first_lookahead_rewards_code
 148
 149     r = rewards[:, :, None]
 150     rewards = (r + 1) + first_rewards_code
 151
 152     # assert (
 153     # states.min() >= first_state_code
 154     # and states.max() < first_state_code + nb_state_codes
 155     # )
 156     # assert (
 157     # actions.min() >= first_actions_code
 158     # and actions.max() < first_actions_code + nb_actions_codes
 159     # )
 160     # assert (
 161     # rewards.min() >= first_rewards_code
 162     # and rewards.max() < first_rewards_code + nb_rewards_codes
 163     # )
 164
 165     if lookahead_delta is None:
 166         return torch.cat([states, actions, rewards], dim=2).flatten(1)
 167     else:
 168         # assert (
 169         # lookahead_rewards.min() >= first_lookahead_rewards_code
 170         # and lookahead_rewards.max()
 171         # < first_lookahead_rewards_code + nb_lookahead_rewards_codes
 172         # )
 173         return torch.cat([states, actions, rewards, lookahead_rewards], dim=2).flatten(
 174             1
 175         )
 176
 177
 178 def seq2episodes(seq, height, width, lookahead=False):
 179     seq = seq.reshape(seq.size(0), -1, height * width + (3 if lookahead else 2))
 180     states = seq[:, :, : height * width] - first_state_code
 181     states = states.reshape(states.size(0), states.size(1), height, width)
 182     actions = seq[:, :, height * width] - first_actions_code
 183     rewards = seq[:, :, height * width + 1] - first_rewards_code - 1
 184
 185     if lookahead:
 186         lookahead_rewards = (
 187             seq[:, :, height * width + 2] - first_lookahead_rewards_code - 1
 188         )
 189         return states, actions, rewards, lookahead_rewards
 190     else:
 191         return states, actions, rewards
 192
 193
 194 def seq2str(seq):
 195     def token2str(t):
 196         if t >= first_state_code and t < first_state_code + nb_state_codes:
 197             return " #@$"[t - first_state_code]
 198         elif t >= first_actions_code and t < first_actions_code + nb_actions_codes:
 199             return "ISNEW"[t - first_actions_code]
 200         elif t >= first_rewards_code and t < first_rewards_code + nb_rewards_codes:
 201             return "-0+"[t - first_rewards_code]
 202         elif (
 203             t >= first_lookahead_rewards_code
 204             and t < first_lookahead_rewards_code + nb_lookahead_rewards_codes
 205         ):
 206             return "n.p"[t - first_lookahead_rewards_code]
 207         else:
 208             return "?"
 209
 210     return ["".join([token2str(x.item()) for x in row]) for row in seq]
 211
 212
 213 ######################################################################
 214
 215
 216 def episodes2str(
 217     states, actions, rewards, lookahead_rewards=None, unicode=False, ansi_colors=False
 218 ):
 219     if unicode:
 220         symbols = "·█@$"
 221         # vert, hori, cross, thin_hori = "║", "═", "╬", "─"
 222         vert, hori, cross, thin_vert, thin_hori = "┃", "━", "╋", "│", "─"
 223     else:
 224         symbols = " #@$"
 225         vert, hori, cross, thin_vert, thin_hori = "|", "-", "+", "|", "-"
 226
 227     hline = (cross + hori * states.size(-1)) * states.size(1) + cross + "\n"
 228
 229     result = hline
 230
 231     for n in range(states.size(0)):
 232
 233         def state_symbol(v):
 234             v = v.item()
 235             return "?" if v < 0 or v >= len(symbols) else symbols[v]
 236
 237         for i in range(states.size(2)):
 238             result += (
 239                 vert
 240                 + vert.join(
 241                     ["".join([state_symbol(v) for v in row]) for row in states[n, :, i]]
 242                 )
 243                 + vert
 244                 + "\n"
 245             )
 246
 247         # result += (vert + thin_hori * states.size(-1)) * states.size(1) + vert + "\n"
 248
 249         def status_bar(a, r, lr=None):
 250             a, r = a.item(), r.item()
 251             sb_a = "ISNEW"[a] if a >= 0 and a < 5 else "?"
 252             sb_r = "- +"[r + 1] if r in {-1, 0, 1} else "?"
 253             if lr is None:
 254                 sb_lr = ""
 255             else:
 256                 lr = lr.item()
 257                 sb_lr = "n p"[lr + 1] if lr in {-1, 0, 1} else "?"
 258             return (
 259                 sb_a
 260                 + "/"
 261                 + sb_r
 262                 + " " * (states.size(-1) - 1 - len(sb_a + sb_r + sb_lr))
 263                 + sb_lr
 264             )
 265
 266         if lookahead_rewards is None:
 267             result += (
 268                 vert
 269                 + vert.join([status_bar(a, r) for a, r in zip(actions[n], rewards[n])])
 270                 + vert
 271                 + "\n"
 272             )
 273         else:
 274             result += (
 275                 vert
 276                 + vert.join(
 277                     [
 278                         status_bar(a, r, lr)
 279                         for a, r, lr in zip(
 280                             actions[n], rewards[n], lookahead_rewards[n]
 281                         )
 282                     ]
 283                 )
 284                 + vert
 285                 + "\n"
 286             )
 287
 288         result += hline
 289
 290     if ansi_colors:
 291         for u, c in [("$", 31), ("@", 32)]:
 292             result = result.replace(u, f"\u001b[{c}m{u}\u001b[0m")
 293
 294     return result
 295
 296
 297 ######################################################################
 298
 299 if __name__ == "__main__":
 300     nb, height, width, T, nb_walls = 25, 5, 7, 25, 5
 301     states, actions, rewards = generate_episodes(nb, height, width, T, nb_walls)
 302     seq = episodes2seq(states, actions, rewards, lookahead_delta=T)
 303     s, a, r, lr = seq2episodes(seq, height, width, lookahead=True)
 304     print(episodes2str(s, a, r, lookahead_rewards=lr, unicode=True, ansi_colors=True))
 305     # print()
 306     # for s in seq2str(seq):
 307     # print(s)