HRL相关论文整理及代码测试记录_sub-policy adaptation for hierarchical reinforceme-优快云博客

本文综述了近年来深度强化学习领域的关键研究，包括层级强化学习、元学习、目标导向学习等前沿主题，探讨了不同算法在复杂任务上的应用，如交互导航、对话系统及游戏智能。文中详细分析了各论文的主要贡献，提供了代码实现指导，强调了环境配置的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

《data-efficient-hierarchical-reinforcement-learning （NIPS 2018）》 & 《Near-Optimal Representation Learning for Hierarchical Reinforcement Learning （ICLR 2019）》

Python3.6 + TF2.1 —— 会提示DLL找不到指定模块的错误，可能原因：TF2.1不支持Python3.6；
Python3.6 + TF1.15 —— 则会提示代码需要TF>=2.0版本才能运行；
Python3.6 + TF2.0 —— 报错如下
在这里插入图片描述

《Stochastic neural networks for hierarchical reinforcement learning（ICLR 2017）》

文章分析1 文章分析2
Code
需要先配置rllab和MuJoCo的环境。介绍：常用增强学习实验环境 I (MuJoCo, OpenAI Gym, rllab, DeepMind Lab, TORCS, PySC2)

Windows配置rllab步骤参考：windows下配置rllab环境，rllab的官方文档。

具体讲，在https://github.com/openai/rllab下载压缩包，解压找到里面一个叫rllab的文件夹，将其复制到anaconda虚拟环境的site-packages文件夹下（Anaconda\Lib\site-packages对应base环境，Anaconda3\envs\XXX\Lib\site-packages对应名为XXX的环境)，随后即可使用。

Windows配置Mujoco步骤参考：windows 上安装 mujoco_py 和 WIN10系统安装gym、mujoco以及Atari 还有这篇详细的 Installing mujoco-py v1.5 on windows10

首先是Mujoco软件下载，选择1.31版本和64位系统：
在这里插入图片描述然后去官网注册邮箱拿到LICENSE.txt和mjkey.txt，复制到对应文件的bin目录下，并设置如下几个环境变量：

并在Path中添加MUJOCO_PY_MJPRO_PATH\bin。
注意Mujoco v1.31对应mujoco_py==0.5.7，所以pip install mujoco_py==0.5.7 -i https://pypi.tuna.tsinghua.edu.cn/simple/。

出现错误 OSError: [WinError 193] %1 is not a valid Win32 application，仍然参考前面的几篇。
首先修改mjlib.py文件，将libfile = os.path.join(path_prefix, "bin/mujoco131.lib")修改为libfile = os.path.join(path_prefix, "bin/mujoco131.dll")；然后在platname_targdir.py文件中直接声明自己的系统platname = "win"，注释掉多余的if判断语句。最后安装ffmpeg和ffmpy时，进入到conda的对应虚拟环境中执行下面几条：（参考anaconda下安装ffmpeg）

conda config --add channels conda-forge
conda install ffmpeg
pip install ffmpy

至此可以正常导入mujoco_py包，测试一下：进入mjpro安装目录的bin文件夹下cd D:\Software\mjpro131\bin，使用模拟器运行实例model：simulate ../model/humanoid.xml，出现一个小木头人即表示正常运行。

《Sub-Policy Adaptation for Hierarchical RL》

Code

《HRL4IN: Hierarchical Reinforcement Learning for Interactive Navigation with Mobile Manipulators （CoRL 2019）》

Code

《Hierarchical Reinforcement Learning for Open-Domain Dialog》

Code

《Hierarchical Deep Reinforcement Learning: Integrating Temporal Abstraction and Intrinsic Motivation（NIPS 2016）》

Code
注意Keras和TF版本适配的问题，参考版本问题—keras和tensorflow的版本对应关系
这里使用TensorFlow 1.14.0 + Keras 2.2.5 on Python 3.6.

代码复现了文中的第一个试验，效果比较随机。

《Meta Learning Shared Hierarchies（ICLR 2018）》

文章分析
 代码

《Learning Multi-Level Hierarchies with Hindsight （ICLR 2019）》 & 《Hindsight Experience Replay（NIPS 2017）》

文章分析1
文章分析2
代码
使用之前的Mujoco131 + mujoco_py0.5.7会报错：AttributeError:module 'mujoco_py' has no attribute 'load_model_from_path''，似乎是因为0.5.7版本的包里面没有load_model_from_path和MjSim这两个文件，所以要升级到Mujoco150 + mujoco_py1.50.0再试一下。
在conda虚拟环境中pip install mujoco_py==1.50.1.68时提示错误：Microsoft Visual C++ 14.0 is required，参考这篇常见问题的博客，安装VC14。
重新安装时，出现新的错误（目前未解决）：

ERROR: Command errored out with exit status 1:
   command: 'D:\Software\Anaconda3\envs\mujoco150\python.exe' -u -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"'C:\\Users\\gyz\\AppData\\Local\\Temp\\pip-install-3b3npq74\\mujoco-py\\setup.py'"'"'; __file__='"'"'C:\\Users\\gyz\\AppData\\Local\\Temp\\pip-install-3b3npq74\\mujoco-py\\setup.py'"'"';f=getattr(tokenize, '"'"'open'"'"', open)(__file__);code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"');f.close();exec(compile(code, __file__, '"'"'exec'"'"'))' bdist_wheel -d 'C:\Users\gyz\AppData\Local\Temp\pip-wheel-rjrvouha'
       cwd: C:\Users\gyz\AppData\Local\Temp\pip-install-3b3npq74\mujoco-py\