[編集モード] OpenAI-GymのCertpoleのGYM環境本体

OpenAI-GymのCertpoleのGymとしての機能をnako3のライブラリの形にしたもの。取り込んで利用する。

# OpenAI Gym Certpole
GYMENVとは変数
GYMENVはNULL

●GYM作成とは
　ENVとは変数
　ENVは{
　　終了超過ターン:NULL,
　　STEP:0,
　　打切STEP:500,
　　X閾値:2.4,
　　角度閾値:DEG2RAD(12),
　　重力:9.8,
　　台車重量:1.0,
　　棒重量:0.1,
　　棒長:0.5,
　　強:10.0,
　　台車位置:0,
　　台車速度:0,
　　棒角度:0,
　　棒角速度:0,
　　FPS:50,
　　画面幅:描画中キャンバス["width"],
　　画面高:描画中キャンバス["height"],
　　棒表示太:10.0,
　　台車表示幅:50.0,
　　台車表示高:30.0
　}
　ENV["TAU"]は1.0/ENV["FPS"]
　ENV["総重量"]はENV["台車重量"]+ENV["棒重量"]
　ENV["棒重心"]はENV["棒重量"]*ENV["棒長"]
　ENV["X最大値"]はENV["X閾値"]*2
　ENV["表示倍率"]はENV["画面幅"]/ENV["X最大値"]
　ENV["棒表示長"]はENV["表示倍率"]*(2*ENV["棒長"])
　ENV["連結高"]はENV["台車高"]/4
　ENV["Y位置"]はENV["画面高"]/2
　GYMENVはENV
　ENVで戻る
ここまで

●GYMリセットとは
　ENVとは変数
　ENVはGYMENV

ENV["台車位置"]は(RND*0.1)-0.05
　ENV["台車速度"]は(RND*0.1)-0.05
　ENV["棒角度"]は(RND*0.1)-0.05
　ENV["棒角速度"]は(RND*0.1)-0.05
　ENV["終了超過ターン"]はNULL
　ENV["STEP"]は0
　[ENV["台車位置"], ENV["台車速度"], ENV["棒角度"], ENV["棒角速度"]]で戻る
ここまで

●(ACTIONで)GYMステップとは
　ENVとは変数
　ENVはGYMENV

Xとは変数
　XDとは変数
　Aとは変数
　ADとは変数
　XはENV["台車位置"]
　XDはENV["台車速度"]
　AはENV["棒角度"]
　ADはENV["棒角速度"]

力強さとは変数
　もし、ACTIONが1ならば、
　　力強さはENV["強"]
　違えば、
　　力強さは-ENV["強"]
　ここまで

TEMPとは変数
　AACCとは変数
　XACCとは変数
　TEMPは(力強さ+ENV["棒重心"]*AD*AD*SIN(A))/ENV["総重量"]
　AACCは(ENV["重力"]*SIN(A)-COS(A)*TEMP)/(ENV["棒長"]*(4/3-ENV["棒重量"]*COS(A)*COS(A)/ENV["総重量"]))
　XACCはTEMP-ENV["棒重心"]*AACC*COS(A)/ENV["総重量"]

XはX+ENV["TAU"]*XD
　XDはXD+ENV["TAU"]*XACC
　AはA+ENV["TAU"]*AD
　ADはAD+ENV["TAU"]*AACC
　ENV["台車位置"]はX
　ENV["台車速度"]はXD
　ENV["棒角度"]はA
　ENV["棒角速度"]はAD

ENV["STEP"]はENV["STEP"]+1

終了フラグとは変数
　打切りフラグとは変数
　終了フラグはオフ
　打切りフラグはオフ
　もし、(ENV["台車位置"]<0-ENV["X閾値"])||(ENV["台車位置"]>ENV["X閾値"])ならば
　　終了フラグはオン
　違えばもし、(ENV["棒角度"]<0-ENV["角度閾値"])||(ENV["棒角度"]>ENV["角度閾値"])ならば
　　終了フラグはオン
　違えばもし、ENV["STEP"]>ENV["打切STEP"]ならば、
　　終了フラグはオン
　　打切りフラグはオン
　ここまで
　もし、終了フラグがオフならば、
　　報酬は1.0
　違えばもし、ENV["終了超過ターン"]＝NULLならば、
　　ENV["終了超過ターン"]は0
　　報酬は1.0
　違えば
　　もし、ENV["終了超過ターン"]が0ならば、
　　ここまで
　　ENV["終了超過ターン"]はENV["終了超過ターン"]+1
　　報酬は0
　ここまで
　STATEとは変数
　STATEは[
　　X,XD,A,AD
　]
　[STATE, 報酬, 終了フラグ, 打切りフラグ, {}]で戻る
ここまで

●GYM描画とは
　ENVとは変数
　ENVはGYMENV

全描画クリア
　Xとは変数
　Yとは変数
　XはENV["台車位置"]*ENV["表示倍率"]+ENV["画面幅"]/2
　YはENV["Y位置"]
　1.0に線太さ設定
　黒色に線色設定
　黒色に塗り色設定
　キャンバス状態保存
　[X, Y]に描画起点設定
　[-ENV["台車表示幅"]/2,-ENV["台車表示高"]/2,ENV["台車表示幅"],ENV["台車表示高"]]の四角描画

[0, ENV["連結高"]]に描画起点設定
　(RAD2DEG(ENV["棒角度"]))に描画回転
　「#CA9865」に線色設定
　「#CA9865」に塗り色設定
　[-ENV["棒表示太"]/2,0,ENV["棒表示太"],-ENV["棒表示長"]]の四角描画

「#8184CB」に線色設定
　「#8184CB」に塗り色設定
　[0,0]へENV["棒表示太"]/2の円描画

キャンバス状態復元
　[0,Y]から[ENV["画面幅"],Y]まで線描画
ここまで

●RNDとは
　『Math.random』を[]でJS関数実行で戻る
ここまで

デバッグ × キャンバス: 幅 × 高

🍯 なでしこ3貯蔵庫

[編集モード] OpenAI-GymのCertpoleのGYM環境本体

素材のアップロード