Update app.py

app.py

@@ -9,7 +9,6 @@ from stable_baselines3 import PPO
 from huggingface_hub import hf_hub_download
 
 # --- PARAMÈTRES DU DÉPÔT HUGGING FACE ---
-# Basé sur vos fichiers.
 REPO_ID = "Clemylia/MiRobot" 
 MODEL_FILE = "mirobot_final_model.zip"
 ENV_SCRIPT_FILE = "MiRobotEnv.py"
@@ -21,17 +20,14 @@ FAIM_PENALTY_THRESHOLD = 0.9
 INITIAL_LEVEL = 1
 
 # --- INDICES D'ÉTAT ---
-# Basé sur votre MiRobotEnv.py
 CMD_AVANCER = 0
 CMD_TOURNER = 1
 ETAT_FAIM = 2
 ETAT_SOMMEIL = 3
 ETAT_HUMEUR = 4
 
-# Map des actions du modèle pour l'affichage
+# Map des actions
 ACTION_MAP_MODEL = {0: "S'Arrêter", 1: "Avancer", 2: "Tourner G", 3: "Tourner D"}
-
-# Map des commandes utilisateur aux ID d'action du modèle
 ACTION_MAP_USER = {
     "AVANCER": 1,
     "TOURNER À GAUCHE": 2,
@@ -39,7 +35,7 @@ ACTION_MAP_USER = {
 }
 
 # ----------------------------------------------------------------------
-# 1. PRÉPARATION DU MODÈLE ET DE L'ENVIRONNEMENT (CORRECTION DE L'INITIALISATION)
+# 1. PRÉPARATION DU MODÈLE ET DE L'ENVIRONNEMENT
 # ----------------------------------------------------------------------
 
 model = None
@@ -54,12 +50,11 @@ try:
     TEMP_DIR = "./mirobot_assets"
     os.makedirs(TEMP_DIR, exist_ok=True)
 
-    # --- 1. Téléchargement et Chargement de la classe MiRobotEnv ---
+    # --- 1. Chargement de la classe MiRobotEnv ---
     env_path = hf_hub_download(repo_id=REPO_ID, filename=ENV_SCRIPT_FILE, local_dir=TEMP_DIR)
     
     # INJECTION DE DÉPENDANCES pour que MiRobotEnv.py fonctionne
     env_globals = {'gym': gym, 'np': np, 'spaces': spaces}
-    
     with open(env_path, 'r') as f:
         exec(f.read(), env_globals) 
     
@@ -72,7 +67,6 @@ try:
         id=ENV_ID,
         entry_point=MiRobotEnv, 
     )
-    print(f"Environnement '{ENV_ID}' enregistré avec succès.")
 
     
     # --- 3. Chargement du Modèle et de l'Environnement ---
@@ -80,9 +74,8 @@ try:
     model = PPO.load(model_path)
     
     env = gym.make(ENV_ID) 
-    env.reset() # Initialise l'état interne (self.state est créé ici)
+    env.reset() # IMPORTANT : Assure la création de self.state
     
-    # Lecture des états initiaux pour l'interface Gradio (Utilisation sûre)
     initial_faim = env.state[ETAT_FAIM] * 100
     initial_humeur = env.state[ETAT_HUMEUR]
 
@@ -90,8 +83,8 @@ try:
 
 except Exception as e:
     print(f"❌ ERREUR CRITIQUE lors du chargement de MiRobot: {e}")
-    # Si échec, model et env restent None, et les valeurs initiales restent 0.0
-    
+    # initial_faim/humeur restent à 0.0
+
 # ----------------------------------------------------------------------
 # 2. LOGIQUE DU JEU
 # ----------------------------------------------------------------------
@@ -106,12 +99,12 @@ game_state_initial = {
 }
 
 def _reset_game(reward_path):
-    """Réinitialise les positions et l'état interne du chiot pour un nouveau jeu."""
+    """Réinitialise les positions et l'état interne du chiot."""
     
     new_state = game_state_initial.copy()
     
     if env is not None:
-        obs, info = env.reset() # IMPORTANT : Assure la création de self.state
+        obs, info = env.reset()
         faim_display = env.state[ETAT_FAIM] * 100
         humeur_display = env.state[ETAT_HUMEUR]
     else:
@@ -123,34 +116,31 @@ def _reset_game(reward_path):
         'message': f'Jeu réinitialisé. Niveau {INITIAL_LEVEL}. Placez la récompense !'
     })
     
+    # On retourne les composants séparément
     return new_state, new_state['puppy_pos'][0], new_state['puppy_pos'][1], new_state['reward_pos'][0], new_state['reward_pos'][1], faim_display, humeur_display, new_state['message']
 
 def handle_user_command(current_state, command_text, reward_path):
-    """Fonction principale appelée par Gradio pour gérer une commande utilisateur."""
+    """Gère une commande utilisateur et l'action du modèle RL."""
     game_state = current_state
 
     if model is None or env is None:
-        # Sortie sécurisée en cas d'échec de chargement
         return game_state, command_text, 5, 5, 0, 0, '❌ Erreur: Le modèle MiRobot n\'a pas pu être chargé !'
 
     game_state['reward_asset_path'] = reward_path
     
-    # 2. Vérification de la faim (condition de défaite)
+    # Vérification de la faim (défaite)
     faim_actuelle = env.state[ETAT_FAIM]
     if faim_actuelle >= FAIM_PENALTY_THRESHOLD:
-        game_state['message'] = f'💔 Défaite ! MiRobot a trop faim ({faim_actuelle:.0%}) et ne peut plus obéir. Jeu réinitialisé au Niveau 1.'
+        game_state['message'] = f'💔 Défaite ! MiRobot a trop faim ({faim_actuelle:.0%}). Jeu réinitialisé.'
         return _reset_game(reward_path) 
 
-    # 3. Traitement de la commande utilisateur
     command_upper = command_text.upper()
     
     if command_upper not in ACTION_MAP_USER:
         game_state['message'] = f"🤔 MiRobot n'a pas compris l'ordre '{command_text}'. Sa faim augmente..."
-        
-        # Simuler un pas de temps (Action 0: S'arrêter) sans commande active pour laisser la faim monter
         env.state[CMD_AVANCER] = 0.0
         env.state[CMD_TOURNER] = 0.0
-        new_obs, mirobot_action, reward, terminated, truncated, info = env.step(0) 
+        env.step(0) # Action 0: S'arrêter
         
         faim_display = env.state[ETAT_FAIM] * 100
         humeur_display = env.state[ETAT_HUMEUR]
@@ -160,19 +150,13 @@ def handle_user_command(current_state, command_text, reward_path):
     # 4. Exécution de la décision du Modèle
     command_action_name = command_upper
     
-    # 4.1. Injecter la commande dans l'état de l'environnement (Observation)
     env.state[CMD_AVANCER] = 1.0 if command_action_name == "AVANCER" else 0.0
     env.state[CMD_TOURNER] = 1.0 if command_action_name.startswith("TOURNER") else 0.0
     
-    # 4.2. Le modèle prédit l'action réelle (Obéissance ou gestion de besoin)
-    obs = env.state
-    mirobot_action_id, _ = model.predict(obs, deterministic=True) 
-
-    # 4.3. Exécuter l'action PRÉDITE par le modèle (mise à jour de la faim, humeur)
+    mirobot_action_id, _ = model.predict(env.state, deterministic=True) 
     new_obs, reward, terminated, truncated, info = env.step(mirobot_action_id)
     
     
-    # 4.4. Traduire l'action réelle du modèle en mouvement sur la grille
     dx, dy = 0, 0
     
     if mirobot_action_id == ACTION_MAP_USER[command_action_name]:
@@ -190,9 +174,9 @@ def handle_user_command(current_state, command_text, reward_path):
         
     else:
         real_action_name = ACTION_MAP_MODEL[mirobot_action_id]
-        game_state['message'] = f"😥 MiRobot a désobéi ! Il a fait '{real_action_name}' au lieu de '{command_action_name}'. Faim ou Humeur faible ? Récompense RL: {reward:.2f}"
+        game_state['message'] = f"😥 MiRobot a désobéi ! Il a fait '{real_action_name}' au lieu de '{command_action_name}'. Récompense RL: {reward:.2f}"
 
-    # 4.5. Mise à jour de la position et de l'état du chiot
+    # Mise à jour de la position
     new_x = np.clip(game_state['puppy_pos'][0] + dx, 0, GRID_SIZE - 1)
     new_y = np.clip(game_state['puppy_pos'][1] + dy, 0, GRID_SIZE - 1)
     game_state['puppy_pos'] = [new_x, new_y]
@@ -215,7 +199,6 @@ def handle_bravo(current_state):
     if px == rx and py == ry:
         game_state['level'] += 1
         
-        # Réduction de la faim et augmentation de l'humeur
         env.state[ETAT_FAIM] = np.clip(env.state[ETAT_FAIM] - 0.5, 0.0, 1.0)
         env.state[ETAT_HUMEUR] = np.clip(env.state[ETAT_HUMEUR] + 0.5, -1.0, 1.0)
         
@@ -228,8 +211,11 @@ def handle_bravo(current_state):
     return game_state, game_state['puppy_pos'][0], game_state['puppy_pos'][1], faim_display, humeur_display, game_state['message']
 
 
-def _draw_grid(puppy_pos, reward_pos, reward_path):
-    """Dessine la grille de jeu avec le chiot et la récompense (via HTML/CSS)."""
+def _draw_grid(px, py, rx, ry, reward_path):
+    """
+    Dessine la grille de jeu avec le chiot et la récompense.
+    REMARQUE : Prend maintenant les coordonnées séparément.
+    """
     if reward_path is None:
         return "<p style='text-align: center; color: red;'>Veuillez télécharger une image de récompense pour afficher la grille.</p>"
 
@@ -244,11 +230,14 @@ def _draw_grid(puppy_pos, reward_pos, reward_path):
             style = "border: 1px dotted #ccc; display: flex; align-items: center; justify-content: center; position: relative;"
             content = ""
 
-            if [x, y] == puppy_pos:
+            is_puppy = (x == px and y == py)
+            is_reward = (x == rx and y == ry)
+
+            if is_puppy:
                 content = puppy_icon
             
-            if [x, y] == reward_pos:
-                if [x, y] == puppy_pos:
+            if is_reward:
+                if is_puppy:
                     style += "background-color: #d4edda;"
                 else:
                     content += f"<img src='{reward_src}' style='width: 80%; height: 80%; object-fit: contain;'/>"
@@ -273,6 +262,12 @@ def update_reward_pos(current_state, reward_x, reward_y, reward_path):
 # 3. INTERFACE GRADIO
 # ----------------------------------------------------------------------
 
+# Assurer une valeur initiale pour l'affichage de la grille
+initial_grid_html = _draw_grid(game_state_initial['puppy_pos'][0], game_state_initial['puppy_pos'][1], 
+                               game_state_initial['reward_pos'][0], game_state_initial['reward_pos'][1], 
+                               None)
+
+
 if model is None:
     demo = gr.Interface(
         fn=lambda: "Le modèle MiRobot n'a pas pu être chargé. Vérifiez les logs ou le REPO_ID.",
@@ -288,8 +283,6 @@ else:
         gr.Markdown(
             f"""
             # MiRobot - Le Jeu d'Obéissance 🐾
-            **ATTENTION :** Votre Space a atteint sa limite de stockage (50G). Pour que l'application fonctionne, vous devez supprimer des fichiers ou augmenter la capacité de votre Space.
-            
             Bienvenue dans la simulation interactive de votre modèle RL **{REPO_ID}** !
             **Objectif :** Guider MiRobot vers la récompense en donnant des ordres. Attention, sa **Faim** augmente à chaque pas !
             """
@@ -304,7 +297,7 @@ else:
                     reward_x = gr.Slider(minimum=0, maximum=GRID_SIZE - 1, step=1, value=0, label="2. Pos. Récompense X")
                     reward_y = gr.Slider(minimum=0, maximum=GRID_SIZE - 1, step=1, value=0, label="2. Pos. Récompense Y")
 
-                grid_display = gr.HTML(label="Plateau de Jeu (10x10)", value=_draw_grid(game_state_initial['puppy_pos'], game_state_initial['reward_pos'], None))
+                grid_display = gr.HTML(label="Plateau de Jeu (10x10)", value=initial_grid_html)
                 
             with gr.Column(scale=1):
                 level_display = gr.Markdown(f"### Niveau Actuel : {INITIAL_LEVEL}")
@@ -333,13 +326,15 @@ else:
 
         # --- ÉVÉNEMENTS ---
         
+        # 1. Mise à jour de la position de la récompense
         reward_x.change(
             fn=update_reward_pos,
             inputs=[game_state_json, reward_x, reward_y, reward_file],
             outputs=[game_state_json, message_output]
         ).then(
+             # CORRECTION MAJEURE: Passer puppy_pos_x et puppy_pos_y séparément
             fn=_draw_grid,
-            inputs=[[puppy_pos_x, puppy_pos_y], [reward_x, reward_y], reward_file],
+            inputs=[puppy_pos_x, puppy_pos_y, reward_x, reward_y, reward_file],
             outputs=grid_display
         )
         
@@ -348,11 +343,13 @@ else:
             inputs=[game_state_json, reward_x, reward_y, reward_file],
             outputs=[game_state_json, message_output]
         ).then(
+            # CORRECTION MAJEURE: Passer puppy_pos_x et puppy_pos_y séparément
             fn=_draw_grid,
-            inputs=[[puppy_pos_x, puppy_pos_y], [reward_x, reward_y], reward_file],
+            inputs=[puppy_pos_x, puppy_pos_y, reward_x, reward_y, reward_file],
             outputs=grid_display
         )
         
+        # 2. Gestion de l'Action (Bouton "Donner l'Ordre")
         action_btn.click(
             fn=handle_user_command,
             inputs=[game_state_json, command_input, reward_file],
@@ -361,8 +358,14 @@ else:
             fn=lambda g, f, h: [f"### Niveau Actuel : {g['level']}", f, h],
             inputs=[game_state_json, faim_state, humeur_state],
             outputs=[level_display, faim_bar, humeur_bar]
+        ).then(
+            # Mise à jour de la grille après le mouvement du chiot
+            fn=_draw_grid,
+            inputs=[puppy_pos_x, puppy_pos_y, reward_x, reward_y, reward_file],
+            outputs=grid_display
         )
         
+        # 3. Gestion du "Bravo"
         bravo_btn.click(
             fn=handle_bravo,
             inputs=[game_state_json],
@@ -371,8 +374,14 @@ else:
             fn=lambda g, f, h: [f"### Niveau Actuel : {g['level']}", f, h],
             inputs=[game_state_json, faim_state, humeur_state],
             outputs=[level_display, faim_bar, humeur_bar]
+        ).then(
+            # Mise à jour de la grille (même si la position ne change pas, les couleurs peuvent)
+            fn=_draw_grid,
+            inputs=[puppy_pos_x, puppy_pos_y, reward_x, reward_y, reward_file],
+            outputs=grid_display
         )
 
+        # 4. Réinitialisation du Jeu
         reset_btn.click(
             fn=_reset_game,
             inputs=[reward_file],
@@ -381,11 +390,18 @@ else:
             fn=lambda g: f"### Niveau Actuel : {g['level']}",
             inputs=[game_state_json],
             outputs=level_display
+        ).then(
+             # Mise à jour de la grille après réinitialisation
+            fn=_draw_grid,
+            inputs=[puppy_pos_x, puppy_pos_y, reward_x, reward_y, reward_file],
+            outputs=grid_display
         )
         
+        # Mise à jour de la grille lorsque le fichier de récompense change
         reward_file.change(
-            fn=lambda path, x, y, px, py: _draw_grid([px, py], [x, y], path),
-            inputs=[reward_file, reward_x, reward_y, puppy_pos_x, puppy_pos_y],
+             # CORRECTION MAJEURE: on passe les états de position (x, y) au lieu de les reconstruire
+            fn=_draw_grid,
+            inputs=[puppy_pos_x, puppy_pos_y, reward_x, reward_y, reward_file],
             outputs=grid_display
         )