PySC2 --- 星际争霸Ⅱ 学习环境搭建

最新推荐文章于 2024-05-11 09:33:04 发布
最新推荐文章于 2024-05-11 09:33:04 发布
阅读量9.4k 收藏 22
点赞数 4
分类专栏： 增强学习 文章标签： pysc2 星际争霸 增强学习 deepmind blizzard
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/deepx_top/article/details/77075235
版权 
PySC2是DeepMind开发的星际争霸Ⅱ学习环境（SC2LE）的Python组件。 它封装Blizzard Entertainment的星际争霸Ⅱ机器学习API，提供Python 增强学习环境。
PySC2提供了增强学习Agents与星际争霸Ⅱ交互的接口，得到observations以及发送actions。

DeepMind PySC2提供了详细的安装说明，在Windows64下主要有以下几步：

  1. 安装pysc2

    pip install pysc2

  2. 安装星际争霸Ⅱ
    下载客户端安装，然后安装星际争霸Ⅱ：

    安装目录可以自定义，比如安装到（D:\Game\StarCraft II\），则需要增加如下环境变量：

最低0.47元/天 解锁文章
deepx_top
关注
  • 4
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
贼好玩！我用Python写了一个AI玩星际争霸2！
爬遍所有网站
07-28 930
Deepmind 开放了自己的星际争霸机器学习环境，现在只需要安装对应的 pysc2 包，就可以自己写一个星际2 AI啦！本文是Rest探路者分享在博客园的一个相关项目，里面有非常详尽的代码，有兴趣的小伙伴可以参考。 作者：Rest探路者 出处：http://www.cnblogs.com/Java-Starter/ 准备 我的环境是python3.6，sc2包0.11.1，机器学习包：pysc2，地图下载链接maps：https://github.com/Blizzard/s2client-..
配置PySC2 - 星际争霸 II 学习环境
weixin_51568130的博客
10-06 358
星际争霸ai
探索未来科技：PySC2 —— 星际争霸II学习环境
最新发布
gitblog_00037的博客
05-11 463
探索未来科技：PySC2 —— 星际争霸II学习环境 项目地址:https://gitcode.com/google-deepmind/pysc2 PySC2 是由DeepMind推出的基于Python的星际争霸II（StarCraft II）学习环境组件。它为Blizzard Entertainment的游戏提供了深度学习研究的接口。这个合作项目旨在将星际争霸II开发成为一个深入的强化学习研究...
【星际争霸2中的强化学习-1】使用 PySC2 构建虫族机器人
星之所望的博客
09-22 1461
中文网站上关于星际争霸2中AI模型的训练资料非常少，这里找到一篇比较好的pysc2使用的文章，翻译一下，方便阅读。 代码：GitHub - skjb/pysc2-tutorial: Tutorials for building a PySC2 botTutorials for building a PySC2 bot. Contribute to skjb/pysc2-tutorial development by creating an account on GitHub.https://hub.fas
PySC2:星际争霸II学习环境-开源
08-07
PySC2 是 DeepMind 的星际争霸 II 学习环境 (SC2LE) 的 Python 组件。 它将暴雪娱乐的星际争霸 II 机器学习 API 作为 Python RL 环境公开。 这是 DeepMind 和暴雪之间的合作，旨在将星际争霸 II 开发成一个丰富的 RL 研究环境。 PySC2 为 RL 代理提供了一个接口，用于与星际争霸 2 交互、获取观察和发送动作。 获得 PySC2 的最简单方法是使用 pip。 这将安装 pysc2 包以及所有必需的依赖项。 virtualenv 可以帮助管理您的依赖项。 您可能还需要升级 pip： pip install --upgrade pip 才能使 pysc2 安装工作。 如果您在旧系统上运行，您可能需要为 pygame 依赖项安装 libsdl 库。
pysc2-examples：《星际争霸II》-pysc2深度强化学习示例
02-04
StartCraft II强化学习示例该示例程序建立在pysc2（Deepmind）[ ] 基线（OpenAI）[ ] s2client-proto（暴雪）[ ] Tensorflow 1.3（谷歌）[ ]目前的例子小地图使用Deep Q Network收集矿物碎片快速入门指南1.获取PySC2...
pysc2-replay-master.rar
09-10
这种模拟环境为深度强化学习（Deep Reinforcement Learning）提供了一个理想的测试床，因为《星际争霸2》的游戏复杂度远超许多传统的强化学习问题。 在这个项目中，"pysc2-replay-master"很可能包含了示例代码、...
pysc2-replay:在《星际争霸II》中检查动作和观察的框架重播
05-08
pysc2-重放 用于在StarCraftII中检查动作和观察的框架重播。 取决于 。 例子 这将对重播中的每个步骤在ObserverAgent.ObserverAgent执行一个功能step 。 $ ./transform_replay.py --replay ~/StarCraftII/Replays/...
sc2-replay-analysis:星际争霸 2 回放解析、存储和分析
06-27
星际争霸 2 回放解析、存储和分析 这是我在大学时为我的机器学习课程所做的一些工作。 有几块： 使用 sc2reader 项目的星际争霸 2 重播解析器。 我使用 MongoDB 来存储回放统计信息。 查询 MongoDB 以获取非常具体...
Python-星际争霸IIpysc2深度加强学习示例
08-11
星际争霸II - pysc2深度加强学习示例
Python-实现pysc2环境的强化学习算法
08-11
实现pysc2环境的强化学习算法
Python-MSC一个星际争霸II中的宏观运营任务全新数据集
08-11
中科院的研究人员基于 SC2LE 构建了一个新的数据集 MSC。它目前是适用于星际争霸 2 宏观运营的最大数据集，可用于各类任务，如建造顺序预测和全局状态评估。
使用pysc2的环境并与其进行交互
超级超级小天才的博客
05-23 704
使用pysc2的环境并与其进行交互 作为应用于强化学习的SCII环境是被定义在 pysc2.env.sc2_env 中的，（action 和 observation 空间是定义在 pysc2.lib.features 中的），环境的类即 SC2Env，继承自 pysc2.env.environment.Base 类。可以作为使用一般的gym库的强化学习的环境一样使用它。 要实例化并使用一个 SC2Env，需要传入几个重要的参数，完整的参数列表如下： _only_use_kwargs=None, map_na
强化学习 pysc2学习笔记——env数据结构篇
weixin_50637267的博客
03-09 916
强化学习 pysc2学习笔记envobs与action小结 env pysc2配置启动和嵌入算法所需的基本信息。 主要包括地图名、screen、minimap的像素信息，训练的最大帧数与回合数，SC2与程序交互信息，agent的动作空间和探测空间等。 实际使用研究时可通过env.observation_spec()，env.action_spec()导入。这里主要写训练常用的obs和action。 obs与action 下面是进行一定修改的pysc2自带run_loop模块的部分，可以通过这里创建简单的训
Win10 安装 PySC2 环境 -- DeepMind联合战网开发的《星际争霸 II》强化学习环境
超级超级小天才的博客
01-19 1631
DeepMind 官方 PySC2 GitHub库参考：https://github.com/deepmind/pysc2 PySC2 provides an interface for RL agents to interact with StarCraft 2, getting observations and sending actions. 下载 星际争霸II 游戏 首先当然是先下载 StarCract II （星际争霸 II）游戏本体，可以到战网的官网进行安装： https://starcra
drl 星际争霸II PYSC2环境配置
scarlette唐从入门到放弃
07-19 374
（零）安装星际争霸 ubuntu （1）在Blizzard/s2client-proto: StarCraft II Client - protocol definitions used to communicate with StarCraft II. (github.com)的package中下载 （2）解压到~/StarCraftII/文件夹下面 （3）路径 （一）安装pysc2 pip install pysc2 pip install sc2 （二）安装smac pip ins.
重温强化学习之强化学习模拟平台
BUPT-WT的博客
12-04 4808
1、OpenAI Gym 官网：http://gym.openai.com/ OpenAI Gym是一个用户开发和比较强化学习算法的工具包，与其它的数值计算库兼容，如tensorflow Openai gym 包含两个部分：    1）gym开源：        包含一个测试集，每个问题成为一个环境(environment)，可以用于自己的强化学习算法开发，环境有共享的接口，允许用户设计...
Pysc2星际争霸2
12-14
Pysc2是一个用于创建人工智能星际争霸2（StarCraft II）理程序的Python库。它允许您通过Python代码与StarCraft II进行交互，并使用Python编写的算法来控制游戏单位。以下是一个简单的Pysc2示例，展示如何使用Pysc2库来控制星际争霸2游戏单位： ```python import numpy as np import cv2 import time import pysc2 from pysc2 import maps from pysc2.lib import actions from pysc2.lib import features # 加载StarCraft II地图 pysc2.maps.get("Simple64") # 定义动作和特征 FUNCTIONS = actions.FUNCTIONS FEATURES = features.features_from_game_version(game_version=pysc2.maps.get("Simple64").game_version) # 定义代理类 class SimpleAgent(pysc2.agents.Agent): def __init__(self): super(SimpleAgent, self).__init__() self.attack_coordinates = None def step(self, obs): super(SimpleAgent, self).step(obs) # 如果没有准备好攻击坐标，则选择一个 if self.attack_coordinates is None: player_relative = obs.observation["screen"][features.SCREEN_FEATURES.player_relative.index] x, y = (player_relative == features.PlayerRelative.ENEMY).nonzero() target = [x.mean(), y.mean()] self.attack_coordinates = target # 如果可以攻击，则攻击 if FUNCTIONS.Attack_screen.id in obs.observation["available_actions"]: player_relative = obs.observation["screen"][features.SCREEN_FEATURES.player_relative.index] x, y = (player_relative == features.PlayerRelative.ENEMY).nonzero() if not y.any(): return FUNCTIONS.no_op() target = [x[0], y[0]] return FUNCTIONS.Attack_screen("now", target) # 如果无法攻击，则移动到攻击坐标 player_relative = obs.observation["screen"][features.SCREEN_FEATURES.player_relative.index] x, y = (player_relative == features.PlayerRelative.SELF).nonzero() if not x.any(): return FUNCTIONS.no_op() player = [int(x.mean()), int(y.mean())] if self.attack_coordinates is not None: return FUNCTIONS.Move_screen("now", self.attack_coordinates) return FUNCTIONS.no_op() # 运行代理 agent = SimpleAgent() try: while True: with sc2_env.SC2Env( map_name="Simple64", players=[sc2_env.Agent(sc2_env.Race.terran)], agent_interface_format=features.AgentInterfaceFormat( feature_dimensions=features.Dimensions(screen=84, minimap=64), use_feature_units=True), step_mul=16, game_steps_per_episode=0, visualize=True) as env: # 运行一局游戏 agent.setup(env.observation_spec(), env.action_spec()) # 重置游戏环境 timesteps = env.reset() agent.reset() # 运行游戏 while True: step_actions = [agent.step(timesteps[0])] if timesteps[0].last(): break timesteps = env.step(step_actions) except KeyboardInterrupt: pass ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值