Update.
authorFrançois Fleuret <francois@fleuret.org>
Sun, 24 Mar 2024 07:15:46 +0000 (08:15 +0100)
committerFrançois Fleuret <francois@fleuret.org>
Sun, 24 Mar 2024 07:15:46 +0000 (08:15 +0100)
evasion.py

index 4efa4b3..a06213e 100755 (executable)
@@ -27,6 +27,8 @@ def generate_sequence(nb, height=6, width=6, T=10):
     agent = torch.zeros(seq.size(), dtype=torch.int64)
     agent[:, 0, 0, 0] = 1
     agent_actions = torch.randint(5, (nb, T))
+    rewards = torch.zeros(nb, T, dtype=torch.int64)
+
     monster = torch.zeros(seq.size(), dtype=torch.int64)
     monster[:, 0, -1, -1] = 1
     monster_actions = torch.randint(5, (nb, T))
@@ -65,44 +67,64 @@ def generate_sequence(nb, height=6, width=6, T=10):
         ).long()
         monster[:, t + 1] = collision * monster[:, t] + (1 - collision) * after_move
 
+        hit = (
+            (agent[:, t + 1, 1:, :] * monster[:, t + 1, :-1, :]).flatten(1).sum(dim=1)
+            + (agent[:, t + 1, :-1, :] * monster[:, t + 1, 1:, :]).flatten(1).sum(dim=1)
+            + (agent[:, t + 1, :, 1:] * monster[:, t + 1, :, :-1]).flatten(1).sum(dim=1)
+            + (agent[:, t + 1, :, :-1] * monster[:, t + 1, :, 1:]).flatten(1).sum(dim=1)
+        )
+        hit = (hit > 0).long()
+
+        assert hit.min() == 0 and hit.max() <= 1
+
+        rewards[:, t] = -hit + (1 - hit) * agent[:, t + 1, -1, -1]
+
     seq += 2 * agent + 3 * monster
 
-    return seq, agent_actions
+    return seq, agent_actions, rewards
 
 
 ######################################################################
 
 
-def seq2str(seq, actions=None):
+def seq2str(seq, actions, rewards):
     # symbols=" #@$"
+    # vert, hori, cross, thin_hori = "|", "-", "+", "-"
+
     symbols = " █@$"
+    vert, hori, cross, thin_hori = "║", "═", "╬", "─"
+    vert, hori, cross, thin_hori = "┃", "━", "╋", "─"
 
-    hline = ("+" + "-" * seq.size(-1)) * seq.size(1) + "+" + "\n"
+    # hline = ("+" + "-" * seq.size(-1)) * seq.size(1) + "+" + "\n"
+    hline = (cross + hori * seq.size(-1)) * seq.size(1) + cross + "\n"
 
     result = hline
 
     for n in range(seq.size(0)):
         for i in range(seq.size(2)):
             result += (
-                "|"
-                + "|".join(
+                vert
+                + vert.join(
                     ["".join([symbols[v.item()] for v in row]) for row in seq[n, :, i]]
                 )
-                + "|"
+                + vert
                 + "\n"
             )
 
-        result += hline
+        # result += hline
+        result += (vert + thin_hori * seq.size(-1)) * seq.size(1) + vert + "\n"
 
-        if actions is not None:
-            result += (
-                "|"
-                + "|".join(
-                    ["INESW"[a.item()] + " " * (seq.size(-1) - 1) for a in actions[n]]
-                )
-                + "|"
-                + "\n"
-            )
+        def status_bar(a, r):
+            a = "INESW"[a.item()]
+            r = f"{r.item()}"
+            return a + " " * (seq.size(-1) - len(a) - len(r)) + r
+
+        result += (
+            vert
+            + vert.join([status_bar(a, r) for a, r in zip(actions[n], rewards[n])])
+            + vert
+            + "\n"
+        )
 
         result += hline
 
@@ -112,6 +134,6 @@ def seq2str(seq, actions=None):
 ######################################################################
 
 if __name__ == "__main__":
-    seq, actions = generate_sequence(40, 4, 6, T=20)
+    seq, actions, rewards = generate_sequence(10, 4, 6, T=20)
 
-    print(seq2str(seq, actions))
+    print(seq2str(seq, actions, rewards))