あとでちゃんと書きます

• 概要
  • 各ディレクトリの意味
  • ルートディレクトリ下の各スクリプトの役割
• 学習環境（navstack-gym）について
  • ざっくり
  • リポジトリ
  • 基本的なつかいかた
  • gym.makeで設定できる項目
  • env.resetで設定できる項目
  • タスク環境のID一覧

• ルートディレクトリ直下
  • 学習用スクリプトとか評価用スクリプトとかの置き場
  • 頻繁に触る
• algo
  • 上記のスクリプトで使うDrQアルゴリズムとかその他細かいモジュール置き場
• conf
  • 実験条件の設定ファイル置き場
  • 環境生成条件やハイパラの設定（hydra形式）がまとまって存在する
• log
  • 学習ログ置き場
• movie
  • 評価時の動画（gif）置き場
• work
  • 学習開始時に作られるワークスペース
  • 各モデルやリプレイバッファや学習結果の保存先

• train.py:
  • 学習開始用スクリプト
• visualize.ipynb:
  • 学習過程のプロット用
• eval.ipynb:
  • 学習済みエージェントの評価用（動画出力）
• test_env.ipynb, test_obs.ipynb:
  • 環境の動作確認したくなったときに触るやつ
• その他:
  • 名前のはじめに _ がついているものは実装途中とか微妙なやつ

依存関係解決（poetry）

poetry install

学習のバックグラウンド実行＋ログ記録

poetry run nohup python train.py >> log/hoge.log &

• グリッドワールド状の移動ロボット制御タスク環境
  • 空間はグレイスケールの値域で画像形式で表される（現時点では通行可能・障害物のいずれか）
  • ロボットは「通行可能」色のピクセル上でのみ移動可能
• NavStackライクなシステムを内包
  • 疑似LiDARからOccupancyMapを生成
  • move_baseっぽく目標姿勢指定による自律移動制御

• 本体：
  • navstack-gym（Gym環境本体）
• 要素：
  • nav-sim-modules（シミュレーション部分）
  • randoor（部屋生成エンジン）

import gym
import navstack_gym

env = gym.make('VisibleTreasureChestRoom-v0')
env.reset()

以下のタイミングでの引数の指定によってタスク条件を変更可

• Envインスタンス生成時：
  • 該当メソッド：gym.make()
  • 設定対象：シミュレーションの動作設定（地図サイズ等・経路探索上限回数など）
• 環境リセット時：
  • 該当メソッド：env.reset()
  • 設定対象：部屋生成条件・再生成の可否

以下参照。
navstack_gym/init.py

• Invisible：
  • 宝箱・鍵に衝突判定が付与されない
  • 地図に記録されない
• Visible：
  • 全てオブジェクトに衝突判定が付与される
  • 地図に記録され、獲得されると衝突判定が消失（地図からも消える）