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_states_codes = 5
  15 nb_actions_codes = 5
  16 nb_rewards_codes = 3
  17 nb_lookahead_rewards_codes = 4  # stands for -1, 0, +1, and UNKNOWN
  18
  19 first_states_code = 0
  20 first_actions_code = first_states_code + nb_states_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 state2code(r):
  29     return r + first_states_code
  30
  31
  32 def code2state(r):
  33     return r - first_states_code
  34
  35
  36 def action2code(r):
  37     return r + first_actions_code
  38
  39
  40 def code2action(r):
  41     return r - first_actions_code
  42
  43
  44 def reward2code(r):
  45     return r + 1 + first_rewards_code
  46
  47
  48 def code2reward(r):
  49     return r - first_rewards_code - 1
  50
  51
  52 def lookahead_reward2code(r):
  53     # -1, 0, +1 or 2 for UNKNOWN
  54     return r + 1 + first_lookahead_rewards_code
  55
  56
  57 def code2lookahead_reward(r):
  58     return r - first_lookahead_rewards_code - 1
  59
  60
  61 ######################################################################
  62
  63
  64 def generate_episodes(nb, height=6, width=6, T=10, nb_walls=3, nb_coins=2):
  65     rnd = torch.rand(nb, height, width)
  66     rnd[:, 0, :] = 0
  67     rnd[:, -1, :] = 0
  68     rnd[:, :, 0] = 0
  69     rnd[:, :, -1] = 0
  70     wall = 0
  71     for k in range(nb_walls):
  72         wall = wall + (
  73             rnd.flatten(1).argmax(dim=1)[:, None]
  74             == torch.arange(rnd.flatten(1).size(1))[None, :]
  75         ).long().reshape(rnd.size())
  76
  77         rnd = rnd * (1 - wall.clamp(max=1))
  78
  79     rnd = torch.rand(nb, height, width)
  80     coins = torch.zeros(nb, T, height, width, dtype=torch.int64)
  81     rnd = rnd * (1 - wall.clamp(max=1))
  82     for k in range(nb_coins):
  83         coins[:, 0] = coins[:, 0] + (
  84             rnd.flatten(1).argmax(dim=1)[:, None]
  85             == torch.arange(rnd.flatten(1).size(1))[None, :]
  86         ).long().reshape(rnd.size())
  87
  88         rnd = rnd * (1 - coins[:, 0].clamp(max=1))
  89
  90     states = wall[:, None, :, :].expand(-1, T, -1, -1).clone()
  91
  92     agent = torch.zeros(states.size(), dtype=torch.int64)
  93     agent[:, 0, 0, 0] = 1
  94     agent_actions = torch.randint(5, (nb, T))
  95     rewards = torch.zeros(nb, T, dtype=torch.int64)
  96
  97     monster = torch.zeros(states.size(), dtype=torch.int64)
  98     monster[:, 0, -1, -1] = 1
  99     monster_actions = torch.randint(5, (nb, T))
 100
 101     all_moves = agent.new(nb, 5, height, width)
 102     for t in range(T - 1):
 103         all_moves.zero_()
 104         all_moves[:, 0] = agent[:, t]
 105         all_moves[:, 1, 1:, :] = agent[:, t, :-1, :]
 106         all_moves[:, 2, :-1, :] = agent[:, t, 1:, :]
 107         all_moves[:, 3, :, 1:] = agent[:, t, :, :-1]
 108         all_moves[:, 4, :, :-1] = agent[:, t, :, 1:]
 109         a = F.one_hot(agent_actions[:, t], num_classes=5)[:, :, None, None]
 110         after_move = (all_moves * a).sum(dim=1)
 111         collision = (
 112             (after_move * (1 - wall) * (1 - monster[:, t]))
 113             .flatten(1)
 114             .sum(dim=1)[:, None, None]
 115             == 0
 116         ).long()
 117         agent[:, t + 1] = collision * agent[:, t] + (1 - collision) * after_move
 118
 119         all_moves.zero_()
 120         all_moves[:, 0] = monster[:, t]
 121         all_moves[:, 1, 1:, :] = monster[:, t, :-1, :]
 122         all_moves[:, 2, :-1, :] = monster[:, t, 1:, :]
 123         all_moves[:, 3, :, 1:] = monster[:, t, :, :-1]
 124         all_moves[:, 4, :, :-1] = monster[:, t, :, 1:]
 125         a = F.one_hot(monster_actions[:, t], num_classes=5)[:, :, None, None]
 126         after_move = (all_moves * a).sum(dim=1)
 127         collision = (
 128             (after_move * (1 - wall) * (1 - agent[:, t + 1]))
 129             .flatten(1)
 130             .sum(dim=1)[:, None, None]
 131             == 0
 132         ).long()
 133         monster[:, t + 1] = collision * monster[:, t] + (1 - collision) * after_move
 134
 135         hit = (
 136             (agent[:, t + 1, 1:, :] * monster[:, t + 1, :-1, :]).flatten(1).sum(dim=1)
 137             + (agent[:, t + 1, :-1, :] * monster[:, t + 1, 1:, :]).flatten(1).sum(dim=1)
 138             + (agent[:, t + 1, :, 1:] * monster[:, t + 1, :, :-1]).flatten(1).sum(dim=1)
 139             + (agent[:, t + 1, :, :-1] * monster[:, t + 1, :, 1:]).flatten(1).sum(dim=1)
 140         )
 141         hit = (hit > 0).long()
 142
 143         # assert hit.min() == 0 and hit.max() <= 1
 144
 145         got_coin = (agent[:, t + 1] * coins[:, t]).flatten(1).sum(dim=1)
 146         coins[:, t + 1] = coins[:, t] * (1 - agent[:, t + 1])
 147
 148         rewards[:, t + 1] = -hit + (1 - hit) * got_coin
 149
 150     states = states + 2 * agent + 3 * monster + 4 * coins
 151
 152     return states, agent_actions, rewards
 153
 154
 155 ######################################################################
 156
 157
 158 def episodes2seq(states, actions, rewards):
 159     neg = rewards.new_zeros(rewards.size())
 160     pos = rewards.new_zeros(rewards.size())
 161     for t in range(neg.size(1) - 1):
 162         neg[:, t] = rewards[:, t:].min(dim=-1).values
 163         pos[:, t] = rewards[:, t:].max(dim=-1).values
 164     s = (neg < 0).long() * neg + (neg >= 0).long() * pos
 165
 166     return torch.cat(
 167         [
 168             lookahead_reward2code(s[:, :, None]),
 169             state2code(states.flatten(2)),
 170             action2code(actions[:, :, None]),
 171             reward2code(rewards[:, :, None]),
 172         ],
 173         dim=2,
 174     ).flatten(1)
 175
 176
 177 def seq2episodes(seq, height, width):
 178     seq = seq.reshape(seq.size(0), -1, height * width + 3)
 179     lookahead_rewards = code2lookahead_reward(seq[:, :, 0])
 180     states = code2state(seq[:, :, 1 : height * width + 1])
 181     states = states.reshape(states.size(0), states.size(1), height, width)
 182     actions = code2action(seq[:, :, height * width + 1])
 183     rewards = code2reward(seq[:, :, height * width + 2])
 184     return lookahead_rewards, states, actions, rewards
 185
 186
 187 def seq2str(seq):
 188     def token2str(t):
 189         if t >= first_states_code and t < first_states_code + nb_states_codes:
 190             return " #@T$"[t - first_states_code]
 191         elif t >= first_actions_code and t < first_actions_code + nb_actions_codes:
 192             return "ISNEW"[t - first_actions_code]
 193         elif t >= first_rewards_code and t < first_rewards_code + nb_rewards_codes:
 194             return "-0+"[t - first_rewards_code]
 195         elif (
 196             t >= first_lookahead_rewards_code
 197             and t < first_lookahead_rewards_code + nb_lookahead_rewards_codes
 198         ):
 199             return "n.pU"[t - first_lookahead_rewards_code]
 200         else:
 201             return "?"
 202
 203     return ["".join([token2str(x.item()) for x in row]) for row in seq]
 204
 205
 206 ######################################################################
 207
 208
 209 def episodes2str(
 210     lookahead_rewards, states, actions, rewards, unicode=False, ansi_colors=False
 211 ):
 212     if unicode:
 213         symbols = "·█@T$"
 214         # vert, hori, cross, thin_hori = "║", "═", "╬", "─"
 215         vert, hori, cross, thin_vert, thin_hori = "┃", "━", "╋", "│", "─"
 216     else:
 217         symbols = " #@T$"
 218         vert, hori, cross, thin_vert, thin_hori = "|", "-", "+", "|", "-"
 219
 220     hline = (cross + hori * states.size(-1)) * states.size(1) + cross + "\n"
 221
 222     result = hline
 223
 224     for n in range(states.size(0)):
 225
 226         def state_symbol(v):
 227             v = v.item()
 228             return "?" if v < 0 or v >= len(symbols) else symbols[v]
 229
 230         for i in range(states.size(2)):
 231             result += (
 232                 vert
 233                 + vert.join(
 234                     ["".join([state_symbol(v) for v in row]) for row in states[n, :, i]]
 235                 )
 236                 + vert
 237                 + "\n"
 238             )
 239
 240         # result += (vert + thin_hori * states.size(-1)) * states.size(1) + vert + "\n"
 241
 242         def status_bar(a, r, lr=None):
 243             a, r = a.item(), r.item()
 244             sb_a = "ISNEW"[a] if a >= 0 and a < 5 else "?"
 245             sb_r = "- +"[r + 1] if r in {-1, 0, 1} else "?"
 246             if lr is None:
 247                 sb_lr = ""
 248             else:
 249                 lr = lr.item()
 250                 sb_lr = "n p"[lr + 1] if lr in {-1, 0, 1} else "?"
 251             return (
 252                 sb_a
 253                 + "/"
 254                 + sb_r
 255                 + " " * (states.size(-1) - 1 - len(sb_a + sb_r + sb_lr))
 256                 + sb_lr
 257             )
 258
 259         result += (
 260             vert
 261             + vert.join(
 262                 [
 263                     status_bar(a, r, lr)
 264                     for a, r, lr in zip(actions[n], rewards[n], lookahead_rewards[n])
 265                 ]
 266             )
 267             + vert
 268             + "\n"
 269         )
 270
 271         result += hline
 272
 273     if ansi_colors:
 274         for u, c in [("$", 31), ("@", 32)]:
 275             result = result.replace(u, f"\u001b[{c}m{u}\u001b[0m")
 276
 277     return result
 278
 279
 280 ######################################################################
 281
 282 if __name__ == "__main__":
 283     nb, height, width, T, nb_walls = 5, 5, 7, 10, 5
 284     states, actions, rewards = generate_episodes(nb, height, width, T, nb_walls)
 285     seq = episodes2seq(states, actions, rewards)
 286     lr, s, a, r = seq2episodes(seq, height, width)
 287     print(episodes2str(lr, s, a, r, unicode=True, ansi_colors=True))
 288     # print()
 289     # for s in seq2str(seq):
 290     # print(s)