ViZDoom

ViZDoom

AI视觉强化学习平台,支持多平台与多语言

ViZDoom平台基于ZDoom引擎,可通过视觉信息训练AI玩Doom游戏,适用于视觉学习和深度强化学习研究。支持Linux、macOS和Windows平台,提供Python和C++ API以及Gymnasium/OpenAI Gym环境封装。该平台具备自定义场景创建、同步和异步多玩家模式、可调分辨率和渲染参数,还支持3D视觉和音频缓冲区访问。

ViZDoom强化学习深度学习视觉学习APIGithub开源项目

PyPI version Build pre-commit Code style: black

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/a208bd05-47c0-4021-baac-5a4306c1d678.png" width="500px"/> </p>

ViZDoom 允许开发仅使用视觉信息(屏幕缓冲区)玩 Doom 的 AI 机器人。它主要用于机器视觉学习,特别是深度强化学习的研究。

ViZDoom 基于 ZDoom 引擎提供游戏机制。

ViZDoom Demo

特点

  • 多平台支持(Linux,macOS,Windows),
  • Python 和 C++ API,
  • Gymnasium/OpenAI Gym 环境包装器(感谢 Arjun KG Benjamin Noah BealLawrence FrancisMark Towers),
  • 易于创建的自定义场景(提供视觉编辑器、脚本语言和示例),
  • 支持异步和同步单人和多人模式,
  • 快速(在同步模式下单线程运行速度可达 7000 fps),
  • 轻量(几 MB),
  • 可自定义分辨率和渲染参数,
  • 可访问深度缓冲区(3D 视觉),
  • 自动标注帧中可见的游戏对象,
  • 可访问音频缓冲区(感谢 Shashank Hegde),
  • 可访问演员/对象列表和地图几何结构,
  • 屏外渲染,
  • 支持录制游戏剧集,
  • 异步模式下的游戏时间缩放。

ViZDoom API 对于强化学习非常友好(也适合于示范学习、学徒学习或反向强化学习学徒等)。

Julia(感谢 Jun Tian),Lua 和 Java 绑定可在其他分支中找到,但不再维护。

引用

M Wydmuch, M Kempka & W Jaśkowski, ViZDoom Competitions: Playing Doom from Pixels, IEEE Transactions on Games, vol. 11, no. 3, pp. 248-259, 2019 (arXiv:1809.03470)

@article{Wydmuch2019ViZdoom,
  author  = {Marek Wydmuch and Micha{\l} Kempka and Wojciech Ja\'skowski},
  title   = {{ViZDoom} {C}ompetitions: {P}laying {D}oom from {P}ixels},
  journal = {IEEE Transactions on Games},
  year    = {2019},
  volume  = {11},
  number  = {3},
  pages   = {248--259},
  doi     = {10.1109/TG.2018.2877047},
  note    = {The 2022 IEEE Transactions on Games Outstanding Paper Award}
}

M. Kempka, M. Wydmuch, G. Runc, J. Toczek & W. Jaśkowski, ViZDoom: A Doom-based AI Research Platform for Visual Reinforcement Learning, IEEE Conference on Computational Intelligence and Games, pp. 341-348, Santorini, Greece, 2016 (arXiv:1605.02097)

@inproceedings{Kempka2016ViZDoom,
  author    = {Micha{\l} Kempka and Marek Wydmuch and Grzegorz Runc and Jakub Toczek and Wojciech Ja\'skowski},
  title     = {{ViZDoom}: A {D}oom-based {AI} Research Platform for Visual Reinforcement Learning},
  booktitle = {IEEE Conference on Computational Intelligence and Games},
  year      = {2016},
  address   = {Santorini, Greece},
  month     = {Sep},
  pages     = {341--348},
  publisher = {IEEE},
  doi       = {10.1109/CIG.2016.7860433},
  note      = {The Best Paper Award}
}

Python 快速开始

Linux

要安装最新版本的 ViZDoom,只需运行:

pip install vizdoom

支持 x86-64 和 AArch64(ARM64)架构。 在 Linux 上为 Python 3.8+ 提供了 Wheels。

如果您的平台没有可用的 Python 轮文件(Python 版本 <3.8,多数发行版低于 manylinux_2_28 标准),pip 将尝试从源代码安装(构建)ViZDoom。 从源代码安装 ViZDoom 需要 C++11 编译器,CMake 3.12+,Boost 1.54+ SDL2,OpenAL(可选),以及 Python 3.7+。更多详细信息请参见文档

macOS

要安装最新版本的 ViZDoom,只需运行(在 M1/M2 芯片上它可能需要几分钟,因为它会从源代码构建 ViZDoom):

brew install cmake boost sdl2 openal-soft pip install vizdoom

支持 Intel 和 Apple Silicon CPU。 我们建议至少使用 macOS High Sierra 10.13+ 及 Python 3.7+。 在 Apple Silicon(M1 和 M2)上,确保您使用的是 Apple Silicon 的 Python/Pip。

Windows

要安装最新版本的 ViZDoom,只需运行:

pip install vizdoom

目前,Windows 上仅支持 x86-64 架构。 在 Windows 上为 Python 3.8+ 提供了 Wheels。

请注意,Windows 版本未经过与 Linux 和 macOS 版本同等的测试。 它可以用于开发和测试,但如果您希望在 Windows 上进行严肃的(耗时和资源密集型)实验, 请考虑使用 DockerWSL 使用 Linux 版本。

Gymnasium/Gym 包装器

Gymnasium 环境随 ViZDoom 一起安装。 请参见文档示例 以了解 Gymnasium API 的使用。

OpenAI-Gym 包装器也可用,要安装它们,请运行:

pip install vizdoom[gym]

请参见文档示例 以了解 Gym API 的使用。 OpenAI-Gym 包装器已被弃用,并将在未来版本中移除,以支持 Gymnasium。

示例

  • Python(包含用 PyTorch, TensorFlow 和 Theano 实现的学习示例)
  • C++

目前 Python 示例最丰富,所以我们建议即使您计划使用其他语言,也可以先查看它们。API 对所有语言几乎相同。

另请参见 教程

原版 Doom 图形

遗憾的是,我们无法与 ViZDoom 一起分发原版 Doom 图形。 如果您拥有原版 Doom 或 Doom 2 游戏,您可以通过将 doom.waddoom2.wad 放置在您的工作目录或 vizdoom 包目录中来替换 Freedoom 图形。

或者,任何基本的游戏 WAD(包括其他 Doom 引擎游戏和自定义/社区游戏)都可以使用,通过set_doom_game_path/setDoomGamePath 方法指向它即可。

文档

详细的 ViZDoom 类型和方法描述请参见文档

ZDoom 引擎和 ACS 脚本语言的完整文档请参见 ZDoom Wiki

有用的文章(适用于希望创建自定义环境/场景的高级用户):

超赞的 Doom 工具/项目

  • SLADE3 - 一款适用于 Linux、MacOS 和 Windows 的出色 Doom 地图(场景)编辑器。
  • Doom Builder 2 - 另一款适用于 Windows 的出色 Doom 地图编辑器。
  • OBLIGE - Doom 随机地图生成器,PyOblige 是其简单的 Python 封装。
  • Omgifol - 优秀的 Python 库,用于操作 Doom 地图。
  • NavDoom - 用于 ViZDoom 的迷宫导航生成器(类似于 DeepMind Lab)。
  • MazeExplorer - 更复杂的 ViZDoom 迷宫导航生成器。
  • Sample Factory - 为 ViZDoom 提供的高性能强化学习框架。
  • EnvPool - 为 ViZDoom 提供的高性能矢量化环境。
  • Obsidian - Doom 随机地图生成器,OBLIGE 的延续项目。
  • LevDoom - ViZDoom 中通用化基准测试,具有视觉复杂度的难度等级。
  • COOM - ViZDoom 中的持续学习基准测试,提供具有多样目标的任务序列。

贡献

这个项目在我们空闲时间维护和开发。欢迎所有错误修复、新示例、场景和其他贡献!我们也对功能创意和设计建议持开放态度。

我们为 ViZDoom 的未来开发工作提供了一个路线图,请访问这里

许可

ViZDoom 原始代码使用 MIT 许可。ZDoom 引用了几种来源的代码,具有不同的许可方案

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多