ViZDoom: Nền Tảng Reinforcement Learning Trên Doom

ViZDoom là gì?

ViZDoom là một nền tảng nghiên cứu reinforcement learning xây trên engine ZDoom, cho phép bạn huấn luyện AI bot chơi Doom chỉ bằng screen buffer làm đầu vào. Nó cung cấp một API Python (kèm wrapper Gymnasium/Gym) và một API C++ để xây dựng và chạy scenario, và theo README nó cũng dùng được cho learning from demonstration và apprenticeship learning, chứ không chỉ RL thuần.

Năng lực Chính cho Phát triển AI

• ✓API Python với wrapper Gymnasium/Gym được cài kèm package, cộng với một API C++ riêng cho cùng simulator - method Python dùng snake_case, C++ dùng camelCase.
• ✓Sync mode được ghi nhận đạt tới 7000 frame mỗi giây trên một luồng CPU, theo README, nên bản thân simulator không phải là nút thắt trong training loop.
• ✓Ngoài screen buffer RGB, ViZDoom còn expose depth buffer cho 3D vision, một audio buffer, và tự động gán nhãn cho các object hiển thị trong khung hình.
• ✓Truy cập danh sách actor/object trong game, hình học map, và text/notification trong game - không chỉ khung hình render.
• ✓Cả hai chế độ mô phỏng async và sync, ở cấu hình single-player và multiplayer, với resolution và tham số rendering có thể tuỳ chỉnh.
• ✓Off-screen rendering, ghi lại episode, và time scaling trong game cho async mode đều được tích hợp sẵn.
• ✓Có thể xây scenario tuỳ chỉnh bằng visual map editor và một scripting language kế thừa từ engine ZDoom, kèm scenario mẫu có sẵn trong repo.

Ai được lợi từ ViZDoom?

ViZDoom phù hợp với nhà nghiên cứu và kỹ sư muốn một environment 3D nhanh, dựa trên pixel cho các thử nghiệm deep reinforcement learning và không cần độ chân thực của một game engine hiện đại để có kết quả hữu ích - wrapper Gymnasium có sẵn nghĩa là bạn có thể cắm thẳng vào training pipeline hiện có mà không cần tự viết custom env class. Nó cũng phù hợp với ai đang nghiên cứu nhận thức thị giác hoặc đa phương thức trong RL, vì depth buffer, audio buffer, và nhãn object cung cấp tín hiệu vượt ngoài pixel thô. Đây là lựa chọn kém phù hợp nếu bạn cần một game 3D hiện đại được phát triển tích cực vượt ngoài cơ chế thời Doom, hoặc nếu Windows là nền tảng mục tiêu duy nhất và bạn cần hỗ trợ hạng nhất, được test kỹ trên đó.

Bắt đầu Cài đặt ViZDoom

Trên Linux, `pip install vizdoom` lấy về wheel dựng sẵn cho Python 3.10+ trên cả x86-64 và ARM64; muốn bật audio, bạn cần cài riêng OpenAL qua package manager - `apt install libopenal-dev` trên các distro dựa trên apt (Debian/Ubuntu), hoặc `dnf install openal-soft-devel` trên các distro dựa trên dnf/yum (Fedora/RHEL). Cùng lệnh `pip install vizdoom` chạy được trên macOS, nhưng từ phiên bản 1.3.0 wheel dựng sẵn chỉ nhắm tới Apple Silicon trên macOS 14.0 trở lên; người dùng Mac Intel trên macOS 13.0+ cần ghim bản cũ hơn bằng `pip install vizdoom==1.2.4`. Trên Windows, `pip install vizdoom` hỗ trợ x86-64 với wheel cho Python 3.10+, nhưng README ghi rằng bản Windows được test kém kỹ hơn hai nền tảng còn lại và gợi ý dùng Docker hoặc WSL nếu bạn cần chạy thử nghiệm nghiêm túc hơn. Ngoài các tổ hợp wheel đó, pip sẽ build từ source, cần một compiler hỗ trợ C++11, cùng CMake 3.12 trở lên, Boost 1.54 trở lên, và SDL2, với OpenAL là tuỳ chọn. Gymnasium/Gym wrapper environment được cài tự động cùng package trên mọi nền tảng được hỗ trợ.

Xây dựng và Huấn luyện AI Agent

Code huấn luyện nằm trong thư mục examples của repo chứ không phải một script quick-start duy nhất: ví dụ Python đầy đủ nhất, một số được nối sẵn với PyTorch, TensorFlow, và Theano, trong khi ví dụ C++ bao phủ cùng những scenario đó với số lượng ít hơn. API Python và C++ gần như phản chiếu nhau, khác nhau chủ yếu ở quy ước đặt tên (snake_case ở Python, camelCase ở C++), nên một bản prototype kiểu Gymnasium viết bằng Python có thể chuyển khá trực tiếp sang phía C++ nếu bạn cần port sau này. Wrapper Gymnasium/Gym là thứ hầu hết codebase RL sẽ import trực tiếp - repo có một tài liệu Gymnasium riêng và một script ví dụ để nối nó vào một training loop tiêu chuẩn. Một điểm cần biết trước khi bắt đầu: ViZDoom không thể đi kèm asset gốc của Doom, nên scenario mặc định render bằng đồ hoạ Freedoom; nếu bạn sở hữu bản gốc Doom hoặc Doom II, bạn có thể đặt file doom2.wad của riêng mình vào thư mục làm việc, hoặc trỏ tới bất kỳ WAD nào dựa trên engine Doom bằng method set_doom_game_path/setDoomGamePath.

Công cụ Liên quan và Lựa chọn Thay thế

Câu hỏi Thường gặp về ViZDoom

Vấn đề ViZDoom giải quyết

Các nhà nghiên cứu reinforcement learning thử nghiệm điều khiển dựa trên pixel cần một environment đủ rẻ để chạy hàng triệu bước mô phỏng nhưng đủ phức tạp để thực sự thử thách nhận thức thị giác - hầu hết game engine tái sử dụng lại quá nặng cho việc đó hoặc không expose các buffer mà nhà nghiên cứu thực sự cần. ViZDoom giải quyết điều này bằng cách bọc engine ZDoom (engine đứng sau Doom năm 1993) thành một simulator nhẹ, chỉ vài MB, trả về không chỉ screen buffer mà còn depth, nhãn object, và cả audio, để một bot có thể được huấn luyện chỉ bằng thông tin thị giác, đúng như cách README mô tả.

Trường hợp sử dụng tốt nhất

• •Benchmark các thuật toán deep reinforcement learning dựa trên pixel khi bạn muốn một environment 3D nhanh, rẻ thay vì một game engine hiện đại đầy đủ.
• •Nghiên cứu cần nhiều hơn khung hình RGB - depth buffer, nhãn object, hoặc audio - cho công việc nhận thức thị giác hoặc đa phương thức trong một RL agent.
• •Xây scenario huấn luyện tuỳ chỉnh bằng visual editor và scripting language của ViZDoom thay vì chỉ dựa vào các config mẫu có sẵn.
• •Prototype bằng Python theo chuẩn Gymnasium trước khi port một approach đã huấn luyện sang pipeline C++, vì hai API gần như giống hệt nhau.
• •Công trình học thuật trích dẫn các bài báo nền tảng của chính ViZDoom - bài IEEE CIG 2016 (Best Paper award) và bài IEEE Transactions on Games 2019 (Outstanding Paper award năm 2022).

Repo liên quan