evasion.py

   1 #!/usr/bin/env python
   2
   3 import torch
   4
   5 from torch.nn import functional as F
   6
   7 ######################################################################
   8
   9 nb_state_codes = 4
  10 nb_rewards_codes = 3
  11 nb_actions_codes = 5
  12
  13 first_state_code = 0
  14 first_rewards_code = first_state_code + nb_state_codes
  15 first_actions_code = first_rewards_code + nb_rewards_codes
  16 nb_codes = first_actions_code + nb_actions_codes
  17
  18 ######################################################################
  19
  20
  21 def generate_episodes(nb, height=6, width=6, T=10):
  22     rnd = torch.rand(nb, height, width)
  23     rnd[:, 0, :] = 0
  24     rnd[:, -1, :] = 0
  25     rnd[:, :, 0] = 0
  26     rnd[:, :, -1] = 0
  27     wall = 0
  28
  29     for k in range(3):
  30         wall = wall + (
  31             rnd.flatten(1).argmax(dim=1)[:, None]
  32             == torch.arange(rnd.flatten(1).size(1))[None, :]
  33         ).long().reshape(rnd.size())
  34         rnd = rnd * (1 - wall.clamp(max=1))
  35
  36     states = wall[:, None, :, :].expand(-1, T, -1, -1).clone()
  37
  38     agent = torch.zeros(states.size(), dtype=torch.int64)
  39     agent[:, 0, 0, 0] = 1
  40     agent_actions = torch.randint(5, (nb, T))
  41     rewards = torch.zeros(nb, T, dtype=torch.int64)
  42
  43     monster = torch.zeros(states.size(), dtype=torch.int64)
  44     monster[:, 0, -1, -1] = 1
  45     monster_actions = torch.randint(5, (nb, T))
  46
  47     all_moves = agent.new(nb, 5, height, width)
  48     for t in range(T - 1):
  49         all_moves.zero_()
  50         all_moves[:, 0] = agent[:, t]
  51         all_moves[:, 1, 1:, :] = agent[:, t, :-1, :]
  52         all_moves[:, 2, :-1, :] = agent[:, t, 1:, :]
  53         all_moves[:, 3, :, 1:] = agent[:, t, :, :-1]
  54         all_moves[:, 4, :, :-1] = agent[:, t, :, 1:]
  55         a = F.one_hot(agent_actions[:, t], num_classes=5)[:, :, None, None]
  56         after_move = (all_moves * a).sum(dim=1)
  57         collision = (
  58             (after_move * (1 - wall) * (1 - monster[:, t]))
  59             .flatten(1)
  60             .sum(dim=1)[:, None, None]
  61             == 0
  62         ).long()
  63         agent[:, t + 1] = collision * agent[:, t] + (1 - collision) * after_move
  64
  65         all_moves.zero_()
  66         all_moves[:, 0] = monster[:, t]
  67         all_moves[:, 1, 1:, :] = monster[:, t, :-1, :]
  68         all_moves[:, 2, :-1, :] = monster[:, t, 1:, :]
  69         all_moves[:, 3, :, 1:] = monster[:, t, :, :-1]
  70         all_moves[:, 4, :, :-1] = monster[:, t, :, 1:]
  71         a = F.one_hot(monster_actions[:, t], num_classes=5)[:, :, None, None]
  72         after_move = (all_moves * a).sum(dim=1)
  73         collision = (
  74             (after_move * (1 - wall) * (1 - agent[:, t + 1]))
  75             .flatten(1)
  76             .sum(dim=1)[:, None, None]
  77             == 0
  78         ).long()
  79         monster[:, t + 1] = collision * monster[:, t] + (1 - collision) * after_move
  80
  81         hit = (
  82             (agent[:, t + 1, 1:, :] * monster[:, t + 1, :-1, :]).flatten(1).sum(dim=1)
  83             + (agent[:, t + 1, :-1, :] * monster[:, t + 1, 1:, :]).flatten(1).sum(dim=1)
  84             + (agent[:, t + 1, :, 1:] * monster[:, t + 1, :, :-1]).flatten(1).sum(dim=1)
  85             + (agent[:, t + 1, :, :-1] * monster[:, t + 1, :, 1:]).flatten(1).sum(dim=1)
  86         )
  87         hit = (hit > 0).long()
  88
  89         assert hit.min() == 0 and hit.max() <= 1
  90
  91         rewards[:, t + 1] = -hit + (1 - hit) * agent[:, t + 1, -1, -1]
  92
  93     states += 2 * agent + 3 * monster
  94
  95     return states, agent_actions, rewards
  96
  97
  98 ######################################################################
  99
 100
 101 def episodes2seq(states, actions, rewards):
 102     states = states.flatten(2) + first_state_code
 103     actions = actions[:, :, None] + first_actions_code
 104     rewards = (rewards[:, :, None] + 1) + first_rewards_code
 105
 106     assert (
 107         states.min() >= first_state_code
 108         and states.max() < first_state_code + nb_state_codes
 109     )
 110     assert (
 111         actions.min() >= first_actions_code
 112         and actions.max() < first_actions_code + nb_actions_codes
 113     )
 114     assert (
 115         rewards.min() >= first_rewards_code
 116         and rewards.max() < first_rewards_code + nb_rewards_codes
 117     )
 118
 119     return torch.cat([states, actions, rewards], dim=2).flatten(1)
 120
 121
 122 def seq2episodes(seq, height, width):
 123     seq = seq.reshape(seq.size(0), -1, height * width + 2)
 124     states = seq[:, :, : height * width] - first_state_code
 125     states = states.reshape(states.size(0), states.size(1), height, width)
 126     actions = seq[:, :, height * width] - first_actions_code
 127     rewards = seq[:, :, height * width + 1] - first_rewards_code - 1
 128     return states, actions, rewards
 129
 130
 131 ######################################################################
 132
 133
 134 def episodes2str(states, actions, rewards, unicode=False, ansi_colors=False):
 135     if unicode:
 136         symbols = " █@$"
 137         # vert, hori, cross, thin_hori = "║", "═", "╬", "─"
 138         vert, hori, cross, thin_hori = "┃", "━", "╋", "─"
 139     else:
 140         symbols = " #@$"
 141         vert, hori, cross, thin_hori = "|", "-", "+", "-"
 142
 143     hline = (cross + hori * states.size(-1)) * states.size(1) + cross + "\n"
 144
 145     result = hline
 146
 147     for n in range(states.size(0)):
 148         for i in range(states.size(2)):
 149             result += (
 150                 vert
 151                 + vert.join(
 152                     [
 153                         "".join([symbols[v.item()] for v in row])
 154                         for row in states[n, :, i]
 155                     ]
 156                 )
 157                 + vert
 158                 + "\n"
 159             )
 160
 161         result += (vert + thin_hori * states.size(-1)) * states.size(1) + vert + "\n"
 162
 163         def status_bar(a, r):
 164             a = "ISNEW"[a.item()]
 165             r = "" if r == 0 else f"{r.item()}"
 166             return a + " " * (states.size(-1) - len(a) - len(r)) + r
 167
 168         result += (
 169             vert
 170             + vert.join([status_bar(a, r) for a, r in zip(actions[n], rewards[n])])
 171             + vert
 172             + "\n"
 173         )
 174
 175         result += hline
 176
 177     if ansi_colors:
 178         for u, c in [("$", 31), ("@", 32)]:
 179             result = result.replace(u, f"\u001b[{c}m{u}\u001b[0m")
 180
 181     return result
 182
 183
 184 ######################################################################
 185
 186 if __name__ == "__main__":
 187     height, width, T = 4, 6, 20
 188     states, actions, rewards = generate_episodes(3, height, width, T)
 189     seq = episodes2seq(states, actions, rewards)
 190     s, a, r = seq2episodes(seq, height, width)
 191     print(episodes2str(s, a, r, unicode=True, ansi_colors=True))