DeepMind Lab2D

一个用C++和Lua编写的用于创建网格世界的学习环境。

关于

DeepMind Lab2D 是一个用于创建2D环境的机器学习系统。该系统的主要目标是易用性和性能：这些环境是"网格世界"，通过简单的基于文本的地图来定义世界布局，并使用Lua代码定义其行为。机器学习代理通过两种API之一与这些环境交互，分别是Python的 dm_env API或自定义C API（也被 DeepMind Lab 使用）。支持多个代理。

如果您在研究中使用 DeepMind Lab2D 并想引用它，我们建议您引用随附的白皮书。

安装

DeepMind Lab2d 可在 PyPI 上获取，可以使用以下命令安装：

pip install dmlab2d

dmlab2d 以预构建轮子的形式分发，适用于Linux和macOS。如果您的平台没有合适的轮子，您需要从源代码构建。请参阅 install.sh 获取可适应您设置的示例安装脚本。

入门

我们在 python/random_agent 中提供了一个"随机"代理示例，它执行随机动作。这可以作为创建自己的代理的基础，也可以作为预览环境的简单工具。

bazel run -c opt dmlab2d/random_agent -- --level_name=clean_up

外部依赖、先决条件和移植说明

DeepMind Lab2D 依赖于一些外部软件库，我们以几种不同的方式提供这些库：

• dm_env、eigen、luajit、lua5.1、lua5.2、luajit、png 和 zlib 库被引用为外部Bazel源，并提供了Bazel BUILD文件。依赖的代码本身应该相当可移植，我们提供的BUILD规则特定于Linux x86和MacOS（x86和arm64）。要在不同的平台上构建，您很可能需要编辑这些BUILD文件。

• "通用强化学习API"包含在 //third_party/rl_api 中。

• 还需要几个额外的库，但不以任何形式提供；它们必须存在于您的系统中：

  • Python 3.8 或更高版本，带有 NumPy、PyGame 和 packaging。

构建规则使用了一些特定于GCC/Clang的编译器设置。如果您的编译器无法识别某些标志（通常是特定的警告抑制），您可能需要编辑这些标志。

免责声明

这不是谷歌的官方产品。