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):
  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(3):
  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         rnd = rnd * (1 - wall.clamp(max=1))
  42
  43     states = wall[:, None, :, :].expand(-1, T, -1, -1).clone()
  44
  45     agent = torch.zeros(states.size(), dtype=torch.int64)
  46     agent[:, 0, 0, 0] = 1
  47     agent_actions = torch.randint(5, (nb, T))
  48     rewards = torch.zeros(nb, T, dtype=torch.int64)
  49
  50     monster = torch.zeros(states.size(), dtype=torch.int64)
  51     monster[:, 0, -1, -1] = 1
  52     monster_actions = torch.randint(5, (nb, T))
  53
  54     all_moves = agent.new(nb, 5, height, width)
  55     for t in range(T - 1):
  56         all_moves.zero_()
  57         all_moves[:, 0] = agent[:, t]
  58         all_moves[:, 1, 1:, :] = agent[:, t, :-1, :]
  59         all_moves[:, 2, :-1, :] = agent[:, t, 1:, :]
  60         all_moves[:, 3, :, 1:] = agent[:, t, :, :-1]
  61         all_moves[:, 4, :, :-1] = agent[:, t, :, 1:]
  62         a = F.one_hot(agent_actions[:, t], num_classes=5)[:, :, None, None]
  63         after_move = (all_moves * a).sum(dim=1)
  64         collision = (
  65             (after_move * (1 - wall) * (1 - monster[:, t]))
  66             .flatten(1)
  67             .sum(dim=1)[:, None, None]
  68             == 0
  69         ).long()
  70         agent[:, t + 1] = collision * agent[:, t] + (1 - collision) * after_move
  71
  72         all_moves.zero_()
  73         all_moves[:, 0] = monster[:, t]
  74         all_moves[:, 1, 1:, :] = monster[:, t, :-1, :]
  75         all_moves[:, 2, :-1, :] = monster[:, t, 1:, :]
  76         all_moves[:, 3, :, 1:] = monster[:, t, :, :-1]
  77         all_moves[:, 4, :, :-1] = monster[:, t, :, 1:]
  78         a = F.one_hot(monster_actions[:, t], num_classes=5)[:, :, None, None]
  79         after_move = (all_moves * a).sum(dim=1)
  80         collision = (
  81             (after_move * (1 - wall) * (1 - agent[:, t + 1]))
  82             .flatten(1)
  83             .sum(dim=1)[:, None, None]
  84             == 0
  85         ).long()
  86         monster[:, t + 1] = collision * monster[:, t] + (1 - collision) * after_move
  87
  88         hit = (
  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             + (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         )
  94         hit = (hit > 0).long()
  95
  96         assert hit.min() == 0 and hit.max() <= 1
  97
  98         rewards[:, t + 1] = -hit + (1 - hit) * agent[:, t + 1, -1, -1]
  99
 100     states += 2 * agent + 3 * monster
 101
 102     return states, agent_actions, rewards
 103
 104
 105 ######################################################################
 106
 107
 108 def episodes2seq(states, actions, rewards, lookahead_delta=None):
 109     states = states.flatten(2) + first_state_code
 110     actions = actions[:, :, None] + first_actions_code
 111
 112     if lookahead_delta is not None:
 113         r = rewards
 114         u = F.pad(r, (0, lookahead_delta - 1)).as_strided(
 115             (r.size(0), r.size(1), lookahead_delta),
 116             (r.size(1) + lookahead_delta - 1, 1, 1),
 117         )
 118         a = u[:, :, 1:].min(dim=-1).values
 119         b = u[:, :, 1:].max(dim=-1).values
 120         s = (a < 0).long() * a + (a >= 0).long() * b
 121         lookahead_rewards = (1 + s[:, :, None]) + first_lookahead_rewards_code
 122
 123     r = rewards[:, :, None]
 124     rewards = (r + 1) + first_rewards_code
 125
 126     assert (
 127         states.min() >= first_state_code
 128         and states.max() < first_state_code + nb_state_codes
 129     )
 130     assert (
 131         actions.min() >= first_actions_code
 132         and actions.max() < first_actions_code + nb_actions_codes
 133     )
 134     assert (
 135         rewards.min() >= first_rewards_code
 136         and rewards.max() < first_rewards_code + nb_rewards_codes
 137     )
 138
 139     if lookahead_delta is None:
 140         return torch.cat([states, actions, rewards], dim=2).flatten(1)
 141     else:
 142         assert (
 143             lookahead_rewards.min() >= first_lookahead_rewards_code
 144             and lookahead_rewards.max()
 145             < first_lookahead_rewards_code + nb_lookahead_rewards_codes
 146         )
 147         return torch.cat([states, actions, rewards, lookahead_rewards], dim=2).flatten(
 148             1
 149         )
 150
 151
 152 def seq2episodes(seq, height, width, lookahead=False):
 153     seq = seq.reshape(seq.size(0), -1, height * width + (3 if lookahead else 2))
 154     states = seq[:, :, : height * width] - first_state_code
 155     states = states.reshape(states.size(0), states.size(1), height, width)
 156     actions = seq[:, :, height * width] - first_actions_code
 157     rewards = seq[:, :, height * width + 1] - first_rewards_code - 1
 158
 159     if lookahead:
 160         lookahead_rewards = (
 161             seq[:, :, height * width + 2] - first_lookahead_rewards_code - 1
 162         )
 163         return states, actions, rewards, lookahead_rewards
 164     else:
 165         return states, actions, rewards
 166
 167
 168 ######################################################################
 169
 170
 171 def episodes2str(
 172     states, actions, rewards, lookahead_rewards=None, unicode=False, ansi_colors=False
 173 ):
 174     if unicode:
 175         symbols = " █@$"
 176         # vert, hori, cross, thin_hori = "║", "═", "╬", "─"
 177         vert, hori, cross, thin_vert, thin_hori = "┃", "━", "╋", "│", "─"
 178     else:
 179         symbols = " #@$"
 180         vert, hori, cross, thin_vert, thin_hori = "|", "-", "+", "|", "-"
 181
 182     hline = (cross + hori * states.size(-1)) * states.size(1) + cross + "\n"
 183
 184     result = hline
 185
 186     for n in range(states.size(0)):
 187
 188         def state_symbol(v):
 189             v = v.item()
 190             return "?" if v < 0 or v >= len(symbols) else symbols[v]
 191
 192         for i in range(states.size(2)):
 193             result += (
 194                 vert
 195                 + vert.join(
 196                     ["".join([state_symbol(v) for v in row]) for row in states[n, :, i]]
 197                 )
 198                 + vert
 199                 + "\n"
 200             )
 201
 202         result += (vert + thin_hori * states.size(-1)) * states.size(1) + vert + "\n"
 203
 204         def status_bar(a, r, lr=None):
 205             a, r = a.item(), r.item()
 206             sb_a = "ISNEW"[a] if a >= 0 and a < 5 else "?"
 207             sb_r = " " + ("- +"[r + 1] if r in {-1, 0, 1} else "?")
 208             if lr is not None:
 209                 lr = lr.item()
 210                 sb_r = sb_r + "/" + ("- +"[lr + 1] if lr in {-1, 0, 1} else "?")
 211             return sb_a + " " * (states.size(-1) - len(sb_a) - len(sb_r)) + sb_r
 212
 213         if lookahead_rewards is None:
 214             result += (
 215                 vert
 216                 + vert.join([status_bar(a, r) for a, r in zip(actions[n], rewards[n])])
 217                 + vert
 218                 + "\n"
 219             )
 220         else:
 221             result += (
 222                 vert
 223                 + vert.join(
 224                     [
 225                         status_bar(a, r, lr)
 226                         for a, r, lr in zip(
 227                             actions[n], rewards[n], lookahead_rewards[n]
 228                         )
 229                     ]
 230                 )
 231                 + vert
 232                 + "\n"
 233             )
 234
 235         result += hline
 236
 237     if ansi_colors:
 238         for u, c in [("$", 31), ("@", 32)]:
 239             result = result.replace(u, f"\u001b[{c}m{u}\u001b[0m")
 240
 241     return result
 242
 243
 244 ######################################################################
 245
 246 if __name__ == "__main__":
 247     nb, height, width, T = 8, 4, 6, 20
 248     states, actions, rewards = generate_episodes(nb, height, width, T)
 249     seq = episodes2seq(states, actions, rewards, lookahead_delta=5)
 250     s, a, r, lr = seq2episodes(seq, height, width, lookahead=True)
 251     print(episodes2str(s, a, r, lookahead_rewards=lr, unicode=True, ansi_colors=True))