Open AI Gymをインストールする #DeepLearning

環境：
CPU:Corei7 6700K
GPU:GTX1070
SSD:240GB
HDD:1TB
マザーボード:ASUS H170-pro
OS:Ubuntu14.04 LTS
python:2.7.6
CUDA:8.0 RC
cuDNN:5.1
TensorFlow:0.10.0
など

過去４回で、Ubuntu14.04、CUDA、chainer、dqn、LIS、Tensorflowを順次インストールした。
http://qiita.com/masataka46/items/94417a5974dba810e7b8
http://qiita.com/masataka46/items/fddef236cb211ef3f145
http://qiita.com/masataka46/items/125c7900ec8ca83f6eb2
http://qiita.com/masataka46/items/12fb01f3417bd0791703
~~ただし、Unityがうまく立ち上がらないため、最後のLIS環境構築は完了していない。~~

今回はOpen AI Gymをインストールする。まずはここの指示
https://gym.openai.com/docs
に従って進める。

Open AI Gymをインストール

まずGitHubからcloneする。

git clone https://github.com/openai/gym
cd gym

fullインストールする方法もあるが、とりあえずminimumでインストールする。

pip install -e .

サンプルを走らせる

HPの指示に従って、簡単なサンプルを走らせる。

import gym
env = gym.make('CartPole-v0')
env.reset()
for _ in range(1000):
    env.render()
    env.step(env.action_space.sample()) # take a random action

というコードにtest01.pyなど適当な名前を付け、

python test01.py

で走らせる。すると以下のようなエラーが表示された。

[2016-09-05 18:09:35,235] Making new env: CartPole-v0
[2016-09-05 18:09:35,690] You are calling 'step()' even though this environment has already returned done = True. You should always call 'reset()' once you receive 'done = True' -- any further steps are undefined behavior.
Traceback (most recent call last):
  File "test01.py", line 5, in <module>
    env.render()
  File "/home/ohmasa/openAIGym/gym/gym/core.py", line 189, in render
    return self._render(mode=mode, close=close)
  File "/home/ohmasa/openAIGym/gym/gym/envs/classic_control/cartpole.py", line 149, in _render
    return self.viewer.render(return_rgb_array = mode=='rgb_array')
  File "/home/ohmasa/openAIGym/gym/gym/envs/classic_control/rendering.py", line 84, in render
    self.window.dispatch_events()
  File "/usr/local/lib/python2.7/dist-packages/pyglet/window/xlib/__init__.py", line 853, in dispatch_events
    0x1ffffff, byref(e)):
ctypes.ArgumentError: argument 2: <type 'exceptions.TypeError'>: wrong type

しかし、次のサンプル

import gym
env = gym.make('CartPole-v0')
for i_episode in range(20):
    observation = env.reset()
    for t in range(100):
        env.render()
        print(observation)
        action = env.action_space.sample()
        observation, reward, done, info = env.step(action)
        if done:
            print("Episode finished after {} timesteps".format(t+1))
            break

はepisodeを最後まで実行し終了した。場合によってはうまくいくのか？