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