1 前言
2017年8月10号，DeepMind联合暴雪发布了星际争霸2人工智能研究环境SC2LE，从而使人工智能的研究进入到一个全新的阶段。这次，研究人工智能的小伙伴们可以边玩游戏边做研究了。
为了让更多的朋友了解SC2LE研究环境，我们在第一时间对其进行安装测试，并对DeepMind发布的pysc2代码进行分析，初步了解基于pysc2的RL开发方法。下面我们将一一进行介绍。
2 测试使用设备
Macbook Pro 13inch （MacOS Sierra）
Alienware 13inch （Ubuntu 14.04）
3 安装方法
3.1 Mac环境下的安装
（1）安装pysc2
pip install pysc2
如果权限不够，就加上sudo：
sudo pip install pysc2
程序会自动安装各种依赖：
Installing collected packages: google-apputils, pygame, future, pysc2 Successfully installed future-0.16.0 google-apputils-0.4.2 pygame-1.9.3 pysc2-1.0
（2）然后在国服下载mac版的星际争霸客户端：https://www.battlenet.com.cn/account/download/，mac版的，然后安装，30个G，3.16.1版本。
（3）下载完毕可以运行游戏就OK
（4）下载Map Packs，mini-game和replay：Blizzard/s2client-proto，https://github.com/deepmind/pysc2/releases/download/v1.0/mini_games.zip
（5）进入星际争霸2的目录
（6）创建Maps文件夹
（7）将Map Packs和mini-game压缩包都解压到Maps目录下，密码是iagreetotheeula
（8）打开终端，输入python -m pysc2.bin.agent --map Simple64进行测试。
下面为示意图：
大家可以看到在Mac下既显示了原始的游戏画面，又显示了feature的画面。
3.2 Ubuntu环境下安装
（1）安装pysc2 （和Mac相同）
sudo pip install pysc2
（2）下载Linux版本的星际2： Blizzard/s2client-proto 并解压在Home目录下,解压密码：iagreetotheeula
（3）下载Map Packs，mini-game：Blizzard/s2client-proto，https://github.com/deepmind/pysc2/releases/download/v1.0/mini_games.zip。将文件解压到~/StarCraft2/Maps 下。
（4）打开终端，输入python -m pysc2.bin.agent --map Simple64进行测试。
下面为两个不同地图的示意图：
Linux下没有原始游戏画面。
4 测试
（1）基本测试
python -m pysc2.bin.agent --map Simple64
（2）更改Map如使用天梯的Map
python -m pysc2.bin.agent --map AbyssalReef
注意天梯的Map 名称没有LE！
（3）不使用agent，手动玩！
python -m pysc2.bin.play --map MoveToBeacon
（4）使用特定agent来玩（比如MoveToBeacon这个mini game）
python -m pysc2.bin.agent --map MoveToBeacon --agent pysc2.agents.scripted_agent.MoveToBeacon
（5）播放replay
python --m pysc2.bin.play --replay <path-to-replay>
5 如何进行RL开发
前面只是安装，到这里才是最关键的。要知道如何进行RL开发，要首先知道pysc2的代码是如何运行的。
在上一小结测试中，我们看到第四种可以指定agent。所以，我们可以自己编写一个agent文件，从而使得环境运行我们自己的agent：
python -m pysc2.bin.agent --map<Map> --agent<Agent>
那么如何来编写这个agent呢？
pysc2的代码中为什么构建了一个BaseAgent，我们只需要在BaseAgent的基础上，构造一个新的agent的类，然后在里面的step函数中实现我们的RL算法即可。
基本的程序架构如下：
from __future__ import absolute_import from __future__ import division from __future__ import print_function import numpy from pysc2.agents import base_agent from pysc2.lib import actions from pysc2.lib import features class OurAgent(base_agent.BaseAgent): def step(self, obs): super(OurAgent, self).step(obs) #----------------------------------# RL Algorithm Here #----------------------------------# return action
其中obs包含所有的观察信息，包括feature maps，reward及可执行动作actions等信息。step这个函数的目标是输出动作给环境执行。RL算法需要处理obs然后输出action。
我们来看一下pysc2提供的MoveToBeacon的非智能算法：
from __future__ import absolute_import from __future__ import division from __future__ import print_function import numpy from pysc2.agents import base_agent from pysc2.lib import actions from pysc2.lib import features _PLAYER_RELATIVE = features.SCREEN_FEATURES.player_relative.index _PLAYER_FRIENDLY = 1 _PLAYER_NEUTRAL = 3 # beacon/minerals _PLAYER_HOSTILE = 4 _NO_OP = actions.FUNCTIONS.no_op.id _MOVE_SCREEN = actions.FUNCTIONS.Move_screen.id _ATTACK_SCREEN = actions.FUNCTIONS.Attack_screen.id _SELECT_ARMY = actions.FUNCTIONS.select_army.id _NOT_QUEUED = [0] _SELECT_ALL = [0] class MoveToBeacon(base_agent.BaseAgent): """An agent specifically for solving the MoveToBeacon map.""" def step(self, obs): super(MoveToBeacon, self).step(obs) if _MOVE_SCREEN in obs.observation["available_actions"]: player_relative = obs.observation["screen"][_PLAYER_RELATIVE] neutral_y, neutral_x = (player_relative == _PLAYER_NEUTRAL).nonzero() if not neutral_y.any(): return actions.FunctionCall(_NO_OP, []) target = [int(neutral_x.mean()), int(neutral_y.mean())] return actions.FunctionCall(_MOVE_SCREEN, [_NOT_QUEUED, target]) else: return actions.FunctionCall(_SELECT_ARMY, [_SELECT_ALL])
我们可以看到，上面的代码直接获取了beacon的位置信息（neutral_y,neutral_x），从而直接给出动作。但是为了使用RL算法，我们需要获取feature map的图像信息。然后我发现上面代码中的player_relative就是图像信息，可以直接通过opencv或者plt输出显示。如下图最右边的显示：
下面总结一下state , action, reward的获取方式：
（1）state，也就是各种feature map，通过obs.observation["screen"][feature_map_name] 获取
（2）action，可以使用的action，通过obs.observation["available_actions"] 获取
（3）reward，通过obs.reward获取。
知道这些RL关键信息的获取，我们也就可以编写RL代码来玩星际2的小任务了。
值得注意的是，星际2的动作actions非常复杂，pysc2把动作封装成带参数的函数。比如上面的Move动作，需要target目标位置的2维参数。所以，如果输出动作是一个复杂的问题。官方的论文中使用了auto-regressive自回归的方式，也就是先输出Move这个动作，然后在此基础上再输出target，从而形成完整的动作，最后输出。
5 小结
本文对SC2LE进行了初体验，包括安装，测试和RL开发的代码研究。整体来看，DeepMind这次联合暴雪确实做了非常精良的代码工作，SC2LE有以下几个优点：
对于API封装得很好，可以非常方便的进行RL开发
直接提供了Feature Map信息方便卷积神经网络CNN的使用。
跨平台支持，特别是对Linux平台的支持，非常方便广大深度学习开发者的使用。
提供Replay数据库及Replay接口，为进行imitation learning模仿学习的研究提供了极大的方便。
提供了Mini Game，方便大家从简单入手。
提供了天梯地图，满足大家挑战高难度的欲望！
总的来说，SC2LE真的是非常友好的一个研究平台，值得大家入手研究，也相信未来会有越来越多的人工智能玩星际2的成果出来！
====================================分割线================================
本文作者：思颖
本文转自雷锋网禁止二次转载，原文链接
