经过强化的API建立在游戏引擎之上，提供具有复杂观察能力、能承受一系列动作的智能体(agent)。

与平台的互动采取“锁步”(lock-stepped，前锁、后锁或旁锁等)方式。根据用户制定的帧率，引擎每次向前走一步(虚拟模拟。如果需要，可以通过重复动作向前走多步)。这样，在提供一个观察之后，游戏就会暂停，直至智能体给出下一步动作命令。

图1：提供给代理的观察。在我们的实验中，奖励和像素足以用来训练一个智能体，而深度和速度信息可用于进一步的分析。

观察

每一步，引擎都会提供基于奖励和像素的观察，而速度信息是可选的。

1.奖励信号的标量值，也就是每一关(游戏)的分数。

2.平台提供对原始像素(由游戏引擎从玩家的第一人称视角而提供)的访问，格式为RGB像素。当然也有RGBD格式，后者提供了像素的深度信息。

3.对于特定的研究应用，智能体的平移和角速度信息会提供更多帮助。这些信息将作为两个独立的3D矢量形式存在。

动作

智能体可提供多种模拟动作来控制运动(向前/向后、向左/向右开炮、蹲、跳)、观看(上/下、左/右)和标记(激光标记关卡)，见图2。

图2：动作空间包括3D运动和两轴观察

示例关卡

图7和8展示了智能体的第一人称视角截屏。关卡可分为四类：

1.基于静态地图的简单的水果收集关卡。这些关卡的任务就是收集苹果和瓜类，但要避开柠檬。

2.基于静态地图布局的导航关卡。这些关卡的任务是测试智能体在迷宫中寻找出路的能力。

3.程序生成的导航关卡，需要探索由程序随机生成的新迷宫。这些关卡旨在考验智能体探索新环境的能力。

4.激光标记关卡，需要智能体使用像激光一样的科幻工具来标记由游戏内置AI所控制的机器人(bot)。

图3：静态迷宫关卡的“自上而下”视图。

技术细节

最初的游戏引擎使用C语言编写，以确保其兼容性(引擎未来变化)，只会在必要时做出修改。而DeepMind Lab提供一套简单的C API，并提供了Python(编程语言)的动态关联(binding)。

该平台包含一个广泛的关卡API，使用Lua编写，可用于定制关卡。这种方法使该平台变得高度灵活，只需要对原始游戏引擎进行最低限度的修改。

DeepMind Lab支持Linux，并在多个主要分发平台上进行了测试。

面向智能体和人类的API

DeepMind Lab可以窗口形式运行，但也支持非窗口环境，如远程终端。渲染使用OpenGL，既可以使用GPU渲染，也可以使用软件渲染工具。

一个DeepMind Lab范例是，使用用户设定启动项目，如关卡名称、屏幕分辨率和帧率。项目启动后，使用简单的RL类型API与环境互动，见图4。

图4：Python API示例

关卡生成

DeepMind Lab关卡使用的是《雷神之锤3：竞技场》的关卡。它们被打包到:pk3文件(ZIP文件)中，包含许多组件，如关卡几何图形、导航信息和纹理(贴图)等。

DeepMind Lab包含一些工具，可通过:map文件生成地图。手动编辑自然费力费时，但可以使用许多免费的编辑器，如GtkRadiant。除了内置和用户提供的关卡，DeepMind Lab还提供“文本关卡”(Text Level)，即一些简单、人类可读的文本文件，用来指定墙壁、重生点(游戏中玩家重生的地点)和其他游戏机制，见图5。图6就是一个生成后的关卡渲染图。

图5：文本关卡示例，‘*’代表“墙壁”，‘P’是一个“重生点”，‘H’和‘I’代表“门”。

图6：图5中的“文本关卡”所代表的关卡渲染图。