escape.py

   1 #!/usr/bin/env python
   2
   3 # Any copyright is dedicated to the Public Domain.
   4 # https://creativecommons.org/publicdomain/zero/1.0/
   5
   6 # Written by Francois Fleuret <francois@fleuret.org>
   7
   8 import torch
   9
  10 from torch.nn import functional as F
  11
  12 ######################################################################
  13
  14 nb_states_codes = 4
  15 nb_actions_codes = 5
  16 nb_rewards_codes = 3
  17 nb_lookahead_rewards_codes = 3
  18
  19 first_states_code = 0
  20 first_actions_code = first_states_code + nb_states_codes
  21 first_rewards_code = first_actions_code + nb_actions_codes
  22 first_lookahead_rewards_code = first_rewards_code + nb_rewards_codes
  23 nb_codes = first_lookahead_rewards_code + nb_lookahead_rewards_codes
  24
  25 ######################################################################
  26
  27
  28 def state2code(r):
  29     return r + first_states_code
  30
  31
  32 def code2state(r):
  33     return r - first_states_code
  34
  35
  36 def action2code(r):
  37     return r + first_actions_code
  38
  39
  40 def code2action(r):
  41     return r - first_actions_code
  42
  43
  44 def reward2code(r):
  45     return r + 1 + first_rewards_code
  46
  47
  48 def code2reward(r):
  49     return r - first_rewards_code - 1
  50
  51
  52 def lookahead_reward2code(r):
  53     return r + 1 + first_lookahead_rewards_code
  54
  55
  56 def code2lookahead_reward(r):
  57     return r - first_lookahead_rewards_code - 1
  58
  59
  60 ######################################################################
  61
  62
  63 def generate_episodes(nb, height=6, width=6, T=10, nb_walls=3):
  64     rnd = torch.rand(nb, height, width)
  65     rnd[:, 0, :] = 0
  66     rnd[:, -1, :] = 0
  67     rnd[:, :, 0] = 0
  68     rnd[:, :, -1] = 0
  69     wall = 0
  70
  71     for k in range(nb_walls):
  72         wall = wall + (
  73             rnd.flatten(1).argmax(dim=1)[:, None]
  74             == torch.arange(rnd.flatten(1).size(1))[None, :]
  75         ).long().reshape(rnd.size())
  76
  77         rnd = rnd * (1 - wall.clamp(max=1))
  78
  79     states = wall[:, None, :, :].expand(-1, T, -1, -1).clone()
  80
  81     agent = torch.zeros(states.size(), dtype=torch.int64)
  82     agent[:, 0, 0, 0] = 1
  83     agent_actions = torch.randint(5, (nb, T))
  84     rewards = torch.zeros(nb, T, dtype=torch.int64)
  85
  86     monster = torch.zeros(states.size(), dtype=torch.int64)
  87     monster[:, 0, -1, -1] = 1
  88     monster_actions = torch.randint(5, (nb, T))
  89
  90     all_moves = agent.new(nb, 5, height, width)
  91     for t in range(T - 1):
  92         all_moves.zero_()
  93         all_moves[:, 0] = agent[:, t]
  94         all_moves[:, 1, 1:, :] = agent[:, t, :-1, :]
  95         all_moves[:, 2, :-1, :] = agent[:, t, 1:, :]
  96         all_moves[:, 3, :, 1:] = agent[:, t, :, :-1]
  97         all_moves[:, 4, :, :-1] = agent[:, t, :, 1:]
  98         a = F.one_hot(agent_actions[:, t], num_classes=5)[:, :, None, None]
  99         after_move = (all_moves * a).sum(dim=1)
 100         collision = (
 101             (after_move * (1 - wall) * (1 - monster[:, t]))
 102             .flatten(1)
 103             .sum(dim=1)[:, None, None]
 104             == 0
 105         ).long()
 106         agent[:, t + 1] = collision * agent[:, t] + (1 - collision) * after_move
 107
 108         all_moves.zero_()
 109         all_moves[:, 0] = monster[:, t]
 110         all_moves[:, 1, 1:, :] = monster[:, t, :-1, :]
 111         all_moves[:, 2, :-1, :] = monster[:, t, 1:, :]
 112         all_moves[:, 3, :, 1:] = monster[:, t, :, :-1]
 113         all_moves[:, 4, :, :-1] = monster[:, t, :, 1:]
 114         a = F.one_hot(monster_actions[:, t], num_classes=5)[:, :, None, None]
 115         after_move = (all_moves * a).sum(dim=1)
 116         collision = (
 117             (after_move * (1 - wall) * (1 - agent[:, t + 1]))
 118             .flatten(1)
 119             .sum(dim=1)[:, None, None]
 120             == 0
 121         ).long()
 122         monster[:, t + 1] = collision * monster[:, t] + (1 - collision) * after_move
 123
 124         hit = (
 125             (agent[:, t + 1, 1:, :] * monster[:, t + 1, :-1, :]).flatten(1).sum(dim=1)
 126             + (agent[:, t + 1, :-1, :] * monster[:, t + 1, 1:, :]).flatten(1).sum(dim=1)
 127             + (agent[:, t + 1, :, 1:] * monster[:, t + 1, :, :-1]).flatten(1).sum(dim=1)
 128             + (agent[:, t + 1, :, :-1] * monster[:, t + 1, :, 1:]).flatten(1).sum(dim=1)
 129         )
 130         hit = (hit > 0).long()
 131
 132         # assert hit.min() == 0 and hit.max() <= 1
 133
 134         rewards[:, t + 1] = -hit + (1 - hit) * agent[:, t + 1, -1, -1]
 135
 136     states += 2 * agent + 3 * monster
 137
 138     return states, agent_actions, rewards
 139
 140
 141 ######################################################################
 142
 143
 144 def episodes2seq(states, actions, rewards):
 145     neg = rewards.new_zeros(rewards.size())
 146     pos = rewards.new_zeros(rewards.size())
 147     for t in range(neg.size(1) - 1):
 148         neg[:, t] = rewards[:, t:].min(dim=-1).values
 149         pos[:, t] = rewards[:, t:].max(dim=-1).values
 150     s = (neg < 0).long() * neg + (neg >= 0).long() * pos
 151
 152     return torch.cat(
 153         [
 154             lookahead_reward2code(s[:, :, None]),
 155             state2code(states.flatten(2)),
 156             action2code(actions[:, :, None]),
 157             reward2code(rewards[:, :, None]),
 158         ],
 159         dim=2,
 160     ).flatten(1)
 161
 162
 163 def seq2episodes(seq, height, width):
 164     seq = seq.reshape(seq.size(0), -1, height * width + 3)
 165     lookahead_rewards = code2lookahead_reward(seq[:, :, 0])
 166     states = code2state(seq[:, :, 1 : height * width + 1])
 167     states = states.reshape(states.size(0), states.size(1), height, width)
 168     actions = code2action(seq[:, :, height * width + 1])
 169     rewards = code2reward(seq[:, :, height * width + 2])
 170     return lookahead_rewards, states, actions, rewards
 171
 172
 173 def seq2str(seq):
 174     def token2str(t):
 175         if t >= first_states_code and t < first_states_code + nb_states_codes:
 176             return " #@$"[t - first_states_code]
 177         elif t >= first_actions_code and t < first_actions_code + nb_actions_codes:
 178             return "ISNEW"[t - first_actions_code]
 179         elif t >= first_rewards_code and t < first_rewards_code + nb_rewards_codes:
 180             return "-0+"[t - first_rewards_code]
 181         elif (
 182             t >= first_lookahead_rewards_code
 183             and t < first_lookahead_rewards_code + nb_lookahead_rewards_codes
 184         ):
 185             return "n.p"[t - first_lookahead_rewards_code]
 186         else:
 187             return "?"
 188
 189     return ["".join([token2str(x.item()) for x in row]) for row in seq]
 190
 191
 192 ######################################################################
 193
 194
 195 def episodes2str(
 196     lookahead_rewards, states, actions, rewards, unicode=False, ansi_colors=False
 197 ):
 198     if unicode:
 199         symbols = "·█@$"
 200         # vert, hori, cross, thin_hori = "║", "═", "╬", "─"
 201         vert, hori, cross, thin_vert, thin_hori = "┃", "━", "╋", "│", "─"
 202     else:
 203         symbols = " #@$"
 204         vert, hori, cross, thin_vert, thin_hori = "|", "-", "+", "|", "-"
 205
 206     hline = (cross + hori * states.size(-1)) * states.size(1) + cross + "\n"
 207
 208     result = hline
 209
 210     for n in range(states.size(0)):
 211
 212         def state_symbol(v):
 213             v = v.item()
 214             return "?" if v < 0 or v >= len(symbols) else symbols[v]
 215
 216         for i in range(states.size(2)):
 217             result += (
 218                 vert
 219                 + vert.join(
 220                     ["".join([state_symbol(v) for v in row]) for row in states[n, :, i]]
 221                 )
 222                 + vert
 223                 + "\n"
 224             )
 225
 226         # result += (vert + thin_hori * states.size(-1)) * states.size(1) + vert + "\n"
 227
 228         def status_bar(a, r, lr=None):
 229             a, r = a.item(), r.item()
 230             sb_a = "ISNEW"[a] if a >= 0 and a < 5 else "?"
 231             sb_r = "- +"[r + 1] if r in {-1, 0, 1} else "?"
 232             if lr is None:
 233                 sb_lr = ""
 234             else:
 235                 lr = lr.item()
 236                 sb_lr = "n p"[lr + 1] if lr in {-1, 0, 1} else "?"
 237             return (
 238                 sb_a
 239                 + "/"
 240                 + sb_r
 241                 + " " * (states.size(-1) - 1 - len(sb_a + sb_r + sb_lr))
 242                 + sb_lr
 243             )
 244
 245         result += (
 246             vert
 247             + vert.join(
 248                 [
 249                     status_bar(a, r, lr)
 250                     for a, r, lr in zip(actions[n], rewards[n], lookahead_rewards[n])
 251                 ]
 252             )
 253             + vert
 254             + "\n"
 255         )
 256
 257         result += hline
 258
 259     if ansi_colors:
 260         for u, c in [("$", 31), ("@", 32)]:
 261             result = result.replace(u, f"\u001b[{c}m{u}\u001b[0m")
 262
 263     return result
 264
 265
 266 ######################################################################
 267
 268 if __name__ == "__main__":
 269     nb, height, width, T, nb_walls = 5, 5, 7, 4, 5
 270     states, actions, rewards = generate_episodes(nb, height, width, T, nb_walls)
 271     seq = episodes2seq(states, actions, rewards)
 272     lr, s, a, r = seq2episodes(seq, height, width)
 273     print(episodes2str(lr, s, a, r, unicode=True, ansi_colors=True))
 274     print()
 275     for s in seq2str(seq):
 276         print(s)