AnimalAI Olympics
v2.0.0 release
تحديث: Animal-Ai V3 الآن على ريبو منفصل. يحتوي المستودع أدناه على قاعدة كود للمنافسة التي تم تشغيلها في عام 2019. إنها ليست قيد الصيانة النشطة ولكن لا تزال القضايا تتم مراقبتها إلى حد ما.
 |  |
|---|---|
 |  |
يقدم اختبار Animal-AABED دراسة إدراك الحيوانات لعالم الذكاء الاصطناعي. يوفر بيئة لوكلاء الاختبار في المهام المأخوذة من أو مستوحاة من أدب إدراك الحيوان. عقود من البحث في هذا المجال تتيح لنا تدريب واختبار المهارات المعرفية في عوامل الذكاء الاصطناعي.
يحتوي هذا الريبو على بيئة التدريب ومكتبة التدريب بالإضافة إلى 900 مهمة للاختبار و/أو وكلاء التدريب. تنقسم التجارب إلى فئات تهدف إلى تعكس مختلف المهارات المعرفية. يمكن العثور على التفاصيل على الموقع.
قمنا بتشغيل مسابقة باستخدام هذه البيئة والاختبارات المرتبطة بها ، يمكن العثور على مزيد من التفاصيل حول النتائج هنا
تم تصميم البيئة باستخدام عوامل الوحدة ML ويحتوي على وكيل محاط بساحة ثابتة الحجم. يمكن أن تفرخ الكائنات في هذه الساحة ، بما في ذلك المكافآت الإيجابية والسلبية (المجالات الخضراء والأصفر والأحمر) التي يجب أن يحصل عليها العامل (أو تجنبها). جميع الاختبارات مصنوعة من مجموعات من الأشياء في بيئة التدريب.
فقط تريد أن تبدأ؟ ثم:
examples قم pip install -r requirements.txtexamples ، ابدأ jupyter notebook وانتقل إلى البيئة وأجهزة الكمبيوتر المحمولة!لمزيد من الأمثلة لتشغيل ، انظر مجلد الأمثلة.
قم أولاً بتنزيل البيئة لنظامك:
| نظام التشغيل | رابط البيئة |
|---|---|
| النوافذ | تنزيل v2.0.1 |
| ماك | تنزيل v2.0.1 |
| Linux | تنزيل v2.0.1 |
| Linux | تنزيل v2.0.2 |
V2.0.2 متاح فقط لـ Linux ويصلح مشكلة مع سرعة الوكيل التي تجعل بعض البيئات مستحيلة في الإصدار 2.0.1. لا توجد خطط للحفاظ على أو تحديث الإصدارات الأخرى. التطور الحالي هو نحو V3 لإطلاق منتصف 2021.
قم بفك ضغط المحتوى الكامل للأرشيف إلى مجلد examples/env . على Linux ، قد تضطر إلى جعل الملف قابل للتنفيذ عن طريق تشغيل chmod +x env/AnimalAI.x86_64 .
تعمل حزم Animal-AI على Linux و Mac و Windows وتتطلب Python 3.
الحزمة الرئيسية هي واجهة برمجة تطبيقات للتفاعل مع بيئة الوحدة. أنه يحتوي على كل من بيئة الصالة الرياضية بالإضافة إلى امتداد لبيئات ML-Agents الخاصة بالوحدة. يمكنك تثبيته عبر PIP:
pip install animalai
أو يمكنك تثبيته من المصدر عن طريق تشغيل pip install -e animalai من مجلد الريبو
نقدم أيضًا حزمة يمكن استخدامها كنقطة انطلاق للتدريب ، والتي يلزم تشغيل معظم النصوص الموجودة في examples/ المجلد. أنه يحتوي على امتداد لبيئة تدريب ML-Agents التي تعتمد على PPO's PPO و Bair's SAC. يمكنك أيضًا تثبيت هذه الحزمة باستخدام PIP:
pip install animalai-train
أو يمكنك تثبيته من المصدر عن طريق تشغيل pip install -e animalai_train من مجلد repo
يمكن العثور على ملفات مصدر الوحدة للبيئة على شوكة ML-Agents.
إذا قمت بتشغيل البيئة مباشرة من القابل للتنفيذ أو من خلال load_config_and_play,py فسيتم تشغيله في وضع المشغل. هنا يمكنك التحكم في الوكيل بما يلي:
| مفتاح لوحة المفاتيح | فعل |
|---|---|
| ث | نقل الوكيل إلى الأمام |
| ق | نقل الوكيل للخلف |
| أ | تحول العامل اليسار |
| د | تحول الوكيل بشكل صحيح |
| ج | تبديل الكاميرا |
| ص | إعادة تعيين البيئة |
إذا كنت تستخدم بيئة Animal-AA في عملك ، فيمكنك الاستشهاد بورقة البيئة:
Beyret ، B. ، Hernández-Orallo ، J. ، Cheke ، L. ، Halina ، M. ، Shanahan ، M.
@inproceedings{Beyret2019TheAE,
title={The Animal-AI Environment: Training and Testing Animal-Like Artificial Cognition},
author={Benjamin Beyret and Jos'e Hern'andez-Orallo and Lucy Cheke and Marta Halina and Murray Shanahan and Matthew Crosby},
year={2019}
}
سيتم إصدار ورقة مع جميع تفاصيل بطارية الاختبار بعد الانتهاء من المنافسة.
تم بناء أولمبياد Animal-AI باستخدام مجموعة أدوات ML-Agents Unity.
تمتد مكتبة Python الموجودة في Animalai Ml-Agents V0.15.0. بشكل رئيسي ، نضيف إمكانية تغيير تكوين الساحات بين الحلقات.
Juliani ، A. ، Berges ، V. ، Vckay ، E. ، Gao ، Y. ، Henry ، H. ، Mattar ، M. ، Lange ، D. (2018). الوحدة: منصة عامة لوكلاء ذكيين. Arxiv preprint Arxiv: 1809.02627
تم استضافة المنافسة بلطف على evalai ، تطبيق الويب مفتوح المصدر لمسابقات الذكاء الاصطناعى. شكر خاص لريشاب جاين لمساعدته في إعداد هذا. سوف نهدف إلى إعادة فتح الطلبات مع ملفات مخفية جديدة من أجل الحفاظ على شكل من أشكال المنافسة.
Deshraj Yadav ، Rishabh Jain ، Harsh Agrawal ، Prithvijit Chattopadhyay ، Taranjeet Singh ، Akash Jain ، Shiv Baran Singh ، Stefan Lee و Dhruv Batra (2019) evalai: نحو أفضل أنظمة تقييم لعوامل AI Agents
v2.0.1 (ENV فقط):
v2.0.0:
للاطلاع على الإصدارات السابقة ، انظر هنا
