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