本文转自雷锋网，如需转载请至雷锋网官网申请授权。

深度强化学习（Deep Reinforcement Learning，DRL）一直是近年来人工智能的一些重大突破的核心。然而，尽管 DRL 有了很大的进步，但由于缺乏工具和库，DRL 方法在主流解决方案中仍然难以应用。因此，DRL 仍然主要是以研究形式存在，并没有在现实世界看到许多采用机器学习的应用方案；而解决这个问题就需要更好的工具和框架。

就在最近，DeepMind 发布了一系列新的开源技术，包括三种 DRL 框架：OpenSpiel、SpriteWorld 和 Bsuite，这些技术将有助于简化 DRL 方法的应用。

DRL 框架概述

作为一种新的深度学习技术，DRL 的采用面临着简单实现算法以外的挑战。例如：用以简化 DRL 技术应用的训练数据集、环境、监控优化工具以及精心设计的实验等。

考虑到 DRL 的机制不同于大多数传统的机器学习方法，尤其对于 DRL 的情况，这种差异更甚。DRL 智能体试图在给定的环境中通过反复试验来实现对任务的掌握。在这种情况下，环境和实验的稳健性在 DRL 智能体开发的知识中起着重要的作用。

为了实现 DRL 的重大突破，将其更好的应用于重大人工智能挑战中，DeepMind 构建了许多专有工具和框架，以大规模简化 DRL 智能体的训练、实验和管理。并且开放了三种 DRL 框架，包括：OpenSpiel、SpriteWorld 和 bsuite，以便其他研究人员可以使用它们来推进 DRL 方法的现状。

下面是三种框架的介绍，并附有对应的开源地址。

OpenSpiel

与其他数据集不同，游戏本质上基于试验和奖励机制，可以用来训练 DRL 智能体。然而，正如我们所看到的，游戏环境远不是简单的组装。

OpenSpiel 是一系列环境和算法的集合，用于研究一般强化学习和游戏中的搜索/规划。OpenSpiel 的目的是在许多不同的游戏类型中促进通用多智能体的强化学习，其方式与通用游戏类似，但它重点是强调学习而不是竞争形式。当前版本的 OpenSpiel 包含 20 多种不同类型的游戏的实现，例如：完全信息、同步移动、不完全信息、网格世界游戏、博弈游戏和一些普通形式/矩阵游戏。

OpenSpiel 的核心实现是基于 C++和 Python 绑定，便于在不同的深度学习框架中采用。该框架包含了一系列游戏组合，允许 DRL 智能体掌握合作和竞争行为。类似地，OpenSpiel 包含了多种 DRL 算法组合，例如：搜索、优化和单一智能体等。OpenSpiel 还包括分析学习动态和其他常见评估指标的工具。

OpenSpiel 支持游戏类型

• 单人和多人游戏

• 完全可观测（通过观测）和不完全信息博弈（通过信息状态和观测）

• 随机性（尽管部分支持隐式随机性，但主要为不确定事件）

• n人普通形式的“一杆”游戏和（2人）矩阵游戏

• 序贯和同时动作游戏

• 零和、一般和和合作（相同收益）博弈

OpenSpiel 支持语言类型

• C++ 11

• Python 3

• swift 中提供的部分语言

游戏和实用程序功能（例如：计算）是用 C++编写的。这些也可以使用 pybind11 python（2.7 和 3）绑定。方法名称位于 C++中的 CamelCase 和 Python 中的 SnaKeKY 情况（例如，在 C++中的 Apple 动作将是 Python 中的 Stest.Apple）。有关名称之间的完整映射，请参见 open_spiel/python/pybind11/pyspel.cc 中的 pybind11 定义。

OpenSpiel 已经在 linux 上进行了测试（debian 10 和 ubuntu 19.04），但它还未在 MacOS 或 Windows 上进行测试，由于代码使用了 MacOS 和 Windows 上也提供的免费工具，因此 DeepMind 预计在这些平台下编译和运行不会出现任何（重大）问题。

GitHub 地址：https://github.com/deepmind/open_spiel

pybind11 地址：https://pybind11.readthedocs.io/en/stable/

SpriteWorld

几个月前，DeepMind 发表了一篇论文，介绍了一种基于无监督式目标搜索和好奇心驱动的强化学习模型（Curious Object-Based seaRch Agent，COBRA），它通过使用强化学习来识别给定环境中的对象（相关论文可参考：https://arxiv.org/abs/1905.09275）。

该模型使用了一系列二维游戏进行训练，在这些游戏中数字可以自由移动。用来训练 COBRA 模型的环境就是最近 deepmind 开源 DRL 三大框架之一，SpriteWorld。

SpriteWorld 是一个基于 python 的强化学习环境，它由一个可以自由移动的简单形状的二维竞技场组成。更具体地说，SpriteWorld 是一个二维方形竞技场，有不同数量的彩色 Sprites，可以自由放置和渲染，但不会发生碰撞。SpriteWorld 环境基于一系列关键特征：

• 多目标的竞技场反映了真实世界的组成，杂乱的物体场景可以用于共享特征，同时也可以独立移动。这也提供了测试与任务无关的特征/目标的稳健性和组合泛化的方法。

• 连续点击和推动动作空间的结构反映了世界空间和运动的结构。它还允许智能体在任何方向上移动任何可见对象。

• 目标的概念并非以任何特权方式所提供（例如：操作空间中没有特定目标的组件），并且完全可以由智能体发现。

SpriteWorld 为每个 DRL 智能体提供三项主要的训练任务：

• 目标搜索。智能体必须将一组目标（可通过某些功能识别，例如：绿色的目标）带到屏幕上的隐藏位置，忽略干扰对象（例如：非绿色的目标）；

• 排序。智能体必须根据目标的颜色将每个目标带到规定的位置；

• 聚类。智能体必须根据目标的颜色将其分组排列在群集中。

SpriteWorld 也可以用于强化学习以外的其他目的。例如：它被用于生成具有控制因子分布的图像数据集，如论文「Spatial Broadcast Decoder: A Simple Architecture for Learning Disentangled Representations in VAEs」（watters 等人，2019，https://arxiv.org/abs/1901.07017）。

它还可以很容易地扩展到生成与简单物理力（如弹簧、重力等）相互作用的物体的数据集，这对于视觉动力学的无监督学习研究是有用的。

GitHub 地址：https://github.com/deepmind/spriteworld

bsuite

我们试图将 bsuite（Behaviour Suite for Reinforcement Learning，强化学习行为套件）打造成为强化学习领域 的 MNIST。

具体而言，bsuite 是一系列实验，旨在突出智能体可扩展性的关键点。这些实验都体现了一些基本的问题，例如「探索」或「记忆」，其实验方式可以很容易地进行测试和迭代。bsuite 有两个主要目标：

• 收集清晰、信息量丰富且可扩展的问题，这些问题捕获了高效和通用学习算法设计中的关键问题；

• 通过在这些共享基准上的表现来研究智能体的行为。

bsuite 的当前实现可以在不同环境中自动执行手实验，并收集了相应的指标，这些指标可以简化 DRL 智能体的训练。同时，因为 bsuite 是一系列实验的集合，所以它在实验子目录中定义。每个子目录对应一个实验，包含：

• 定义强化学习环境的一种文件，它可以配置为提供不同的难度等级或不同的随机种子（for example）；

• 此环境的关键字参数序列，在实验的 sweep.py 文件中的 settings 变量中定义；

• 一个 analysis.py 文件，用于定义所提供的 jupyter 计算机中使用的绘图；

当通过加载和记录*函数加载环境时，bsuite 通过记录每个环境中的结果来工作。这意味着任何实验都将自动输出正确格式的数据，以便使用计算机进行分析，而不受任何智能体或算法结构的限制。

GitHub 地址：https://github.com/deepmind/bsuite

【编辑推荐】