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_rewards_codes = 3
  16 nb_actions_codes = 5
  17
  18 first_state_code = 0
  19 first_rewards_code = first_state_code + nb_state_codes
  20 first_actions_code = first_rewards_code + nb_rewards_codes
  21 nb_codes = first_actions_code + nb_actions_codes
  22
  23 ######################################################################
  24
  25
  26 def generate_episodes(nb, height=6, width=6, T=10):
  27     rnd = torch.rand(nb, height, width)
  28     rnd[:, 0, :] = 0
  29     rnd[:, -1, :] = 0
  30     rnd[:, :, 0] = 0
  31     rnd[:, :, -1] = 0
  32     wall = 0
  33
  34     for k in range(3):
  35         wall = wall + (
  36             rnd.flatten(1).argmax(dim=1)[:, None]
  37             == torch.arange(rnd.flatten(1).size(1))[None, :]
  38         ).long().reshape(rnd.size())
  39         rnd = rnd * (1 - wall.clamp(max=1))
  40
  41     states = wall[:, None, :, :].expand(-1, T, -1, -1).clone()
  42
  43     agent = torch.zeros(states.size(), dtype=torch.int64)
  44     agent[:, 0, 0, 0] = 1
  45     agent_actions = torch.randint(5, (nb, T))
  46     rewards = torch.zeros(nb, T, dtype=torch.int64)
  47
  48     monster = torch.zeros(states.size(), dtype=torch.int64)
  49     monster[:, 0, -1, -1] = 1
  50     monster_actions = torch.randint(5, (nb, T))
  51
  52     all_moves = agent.new(nb, 5, height, width)
  53     for t in range(T - 1):
  54         all_moves.zero_()
  55         all_moves[:, 0] = agent[:, t]
  56         all_moves[:, 1, 1:, :] = agent[:, t, :-1, :]
  57         all_moves[:, 2, :-1, :] = agent[:, t, 1:, :]
  58         all_moves[:, 3, :, 1:] = agent[:, t, :, :-1]
  59         all_moves[:, 4, :, :-1] = agent[:, t, :, 1:]
  60         a = F.one_hot(agent_actions[:, t], num_classes=5)[:, :, None, None]
  61         after_move = (all_moves * a).sum(dim=1)
  62         collision = (
  63             (after_move * (1 - wall) * (1 - monster[:, t]))
  64             .flatten(1)
  65             .sum(dim=1)[:, None, None]
  66             == 0
  67         ).long()
  68         agent[:, t + 1] = collision * agent[:, t] + (1 - collision) * after_move
  69
  70         all_moves.zero_()
  71         all_moves[:, 0] = monster[:, t]
  72         all_moves[:, 1, 1:, :] = monster[:, t, :-1, :]
  73         all_moves[:, 2, :-1, :] = monster[:, t, 1:, :]
  74         all_moves[:, 3, :, 1:] = monster[:, t, :, :-1]
  75         all_moves[:, 4, :, :-1] = monster[:, t, :, 1:]
  76         a = F.one_hot(monster_actions[:, t], num_classes=5)[:, :, None, None]
  77         after_move = (all_moves * a).sum(dim=1)
  78         collision = (
  79             (after_move * (1 - wall) * (1 - agent[:, t + 1]))
  80             .flatten(1)
  81             .sum(dim=1)[:, None, None]
  82             == 0
  83         ).long()
  84         monster[:, t + 1] = collision * monster[:, t] + (1 - collision) * after_move
  85
  86         hit = (
  87             (agent[:, t + 1, 1:, :] * monster[:, t + 1, :-1, :]).flatten(1).sum(dim=1)
  88             + (agent[:, t + 1, :-1, :] * monster[:, t + 1, 1:, :]).flatten(1).sum(dim=1)
  89             + (agent[:, t + 1, :, 1:] * monster[:, t + 1, :, :-1]).flatten(1).sum(dim=1)
  90             + (agent[:, t + 1, :, :-1] * monster[:, t + 1, :, 1:]).flatten(1).sum(dim=1)
  91         )
  92         hit = (hit > 0).long()
  93
  94         assert hit.min() == 0 and hit.max() <= 1
  95
  96         rewards[:, t + 1] = -hit + (1 - hit) * agent[:, t + 1, -1, -1]
  97
  98     states += 2 * agent + 3 * monster
  99
 100     return states, agent_actions, rewards
 101
 102
 103 ######################################################################
 104
 105
 106 def episodes2seq(states, actions, rewards):
 107     states = states.flatten(2) + first_state_code
 108     actions = actions[:, :, None] + first_actions_code
 109     rewards = (rewards[:, :, None] + 1) + first_rewards_code
 110
 111     assert (
 112         states.min() >= first_state_code
 113         and states.max() < first_state_code + nb_state_codes
 114     )
 115     assert (
 116         actions.min() >= first_actions_code
 117         and actions.max() < first_actions_code + nb_actions_codes
 118     )
 119     assert (
 120         rewards.min() >= first_rewards_code
 121         and rewards.max() < first_rewards_code + nb_rewards_codes
 122     )
 123
 124     return torch.cat([states, actions, rewards], dim=2).flatten(1)
 125
 126
 127 def seq2episodes(seq, height, width):
 128     seq = seq.reshape(seq.size(0), -1, height * width + 2)
 129     states = seq[:, :, : height * width] - first_state_code
 130     states = states.reshape(states.size(0), states.size(1), height, width)
 131     actions = seq[:, :, height * width] - first_actions_code
 132     rewards = seq[:, :, height * width + 1] - first_rewards_code - 1
 133     return states, actions, rewards
 134
 135
 136 ######################################################################
 137
 138
 139 def episodes2str(states, actions, rewards, unicode=False, ansi_colors=False):
 140     if unicode:
 141         symbols = " █@$"
 142         # vert, hori, cross, thin_hori = "║", "═", "╬", "─"
 143         vert, hori, cross, thin_hori = "┃", "━", "╋", "─"
 144     else:
 145         symbols = " #@$"
 146         vert, hori, cross, thin_hori = "|", "-", "+", "-"
 147
 148     hline = (cross + hori * states.size(-1)) * states.size(1) + cross + "\n"
 149
 150     result = hline
 151
 152     for n in range(states.size(0)):
 153
 154         def state_symbol(v):
 155             v = v.item()
 156             return "?" if v < 0 or v >= len(symbols) else symbols[v]
 157
 158         for i in range(states.size(2)):
 159             result += (
 160                 vert
 161                 + vert.join(
 162                     ["".join([state_symbol(v) for v in row]) for row in states[n, :, i]]
 163                 )
 164                 + vert
 165                 + "\n"
 166             )
 167
 168         result += (vert + thin_hori * states.size(-1)) * states.size(1) + vert + "\n"
 169
 170         def status_bar(a, r):
 171             a = a.item()
 172             a = "ISNEW"[a] if a >= 0 and a < 5 else "?"
 173             r = "?" if r < -1 or r > 2 else ("" if r == 0 else f"{r.item()}")
 174             return a + " " * (states.size(-1) - len(a) - len(r)) + r
 175
 176         result += (
 177             vert
 178             + vert.join([status_bar(a, r) for a, r in zip(actions[n], rewards[n])])
 179             + vert
 180             + "\n"
 181         )
 182
 183         result += hline
 184
 185     if ansi_colors:
 186         for u, c in [("$", 31), ("@", 32)]:
 187             result = result.replace(u, f"\u001b[{c}m{u}\u001b[0m")
 188
 189     return result
 190
 191
 192 ######################################################################
 193
 194 if __name__ == "__main__":
 195     nb, height, width, T = 8, 4, 6, 20
 196     states, actions, rewards = generate_episodes(nb, height, width, T)
 197     seq = episodes2seq(states, actions, rewards)
 198     s, a, r = seq2episodes(seq, height, width)
 199     print(episodes2str(s, a, r, unicode=True, ansi_colors=True))