AnimalAI Olympics
v2.0.0 release
UPDATE: Animal-AI V3 ist jetzt auf einem separaten Repo. Das folgende Repository enthält die Codebasis für den 2019 durchgeführten Wettbewerb. Es steht nicht unter aktiver Wartung, aber Probleme werden bis zu einem gewissen Grad noch überwacht.
 |  |
|---|---|
 |  |
Das Animal-AI-Testbett führt die Untersuchung der Erkenntnis von Tier in die Welt der KI ein. Es bietet eine Umgebung für Testagenten für Aufgaben, die von der Animal Cognition Literature erhoben oder von inspiriert wurden. Jahrzehnte Forschung in diesem Bereich ermöglichen es uns, kognitive Fähigkeiten in künstlichen Intelligenzagenten zu trainieren und zu testen.
Dieses Repo enthält die Trainingsumgebung, eine Trainingsbibliothek sowie 900 Aufgaben für Tests und/oder Trainingsagenten. Die Experimente sind in Kategorien unterteilt, die verschiedene kognitive Fähigkeiten widerspiegeln sollen. Details finden Sie auf der Website.
Wir haben einen Wettbewerb mit dieser Umgebung und den zugehörigen Tests durchgeführt. Weitere Details zu den Ergebnissen finden Sie hier
Die Umgebung wird unter Verwendung von ML-Agents der Einheit gebaut und enthält einen Mittel, der in einer Arena festgelegt ist. Objekte können in dieser Arena hervorgehen, einschließlich positiver und negativer Belohnungen (grüne, gelbe und rote Kugeln), die der Agent erhalten (oder vermeiden) muss. Alle Tests bestehen aus Kombinationen von Objekten in der Trainingsumgebung.
Willst du nur anfangen? Dann:
examples -Ordner läuft pip install -r requirements.txtexamples -Ordner jupyter notebook und gehen Sie die Umgebung und die Schulungsnotizen durch!Weitere Beispiele zum Ausführen finden Sie im Beispiel -Ordner.
Laden Sie zuerst die Umgebung für Ihr System herunter :
| Betriebssystem | Umweltverbindung |
|---|---|
| Fenster | Laden Sie v2.0.1 herunter |
| MAC | Laden Sie v2.0.1 herunter |
| Linux | Laden Sie v2.0.1 herunter |
| Linux | Laden Sie v2.0.2 herunter |
V2.0.2 ist nur für Linux verfügbar und behebt ein Problem mit Agentengeschwindigkeit, das einige Umgebungen in der Version 2.0.1 unmöglich macht. Es gibt keine Pläne, andere Versionen zu pflegen oder zu aktualisieren. Die derzeitige Entwicklung ist in Richtung V3, um Mitte 2021 freizugeben.
Entpacken Sie den gesamten Inhalt des Archivs auf den examples/env -Ordner. Unter Linux müssen Sie möglicherweise die Datei ausführen, indem Sie chmod +x env/AnimalAI.x86_64 ausführen.
Die Animal-AI-Pakete arbeiten unter Linux, Mac und Windows und benötigen Python 3.
Das Hauptpaket ist eine API für die Verbindung mit der Unity -Umgebung. Es enthält sowohl eine Fitnessumgebung als auch eine Erweiterung der ML-Agents-Umgebungen von Unity. Sie können es über PIP installieren:
pip install animalai
Oder Sie können es aus der Quelle installieren, indem Sie pip install -e animalai aus dem Repo -Ordner ausführen
Wir bieten auch ein Paket, das als Ausgangspunkt für das Training verwendet werden kann und das die meisten Beispielskripte in den examples/ Ordner ausführen muss. Es enthält eine Erweiterung der Trainingsumgebung von ML-Agents, die auf Openai's PPO und Bairs SAC beruht. Sie können dieses Paket auch mit PIP installieren:
pip install animalai-train
Oder Sie können es von der Quelle installieren, indem Sie pip install -e animalai_train aus dem Repo -Ordner ausführen
Die Einheitsquellendateien für die Umgebung finden Sie in unserer ML-Agents-Gabel.
Wenn Sie die Umgebung direkt aus der ausführbaren Datei oder über das load_config_and_play,py -Skript im Spielermodus starten. Hier können Sie den Agenten mit Folgendem steuern:
| Tastaturschlüssel | Aktion |
|---|---|
| W | Move Agent Forwards |
| S | Agent rückwärts bewegen |
| A | Drehen Sie Agent links |
| D | Agent nach rechts |
| C | Kamera wechseln |
| R | Umgebung zurücksetzen |
Wenn Sie die Animal-AI-Umgebung in Ihrer Arbeit verwenden, können Sie das Umweltpapier zitieren:
B. Beyret, B., Hernández-Orallo, J., Cheke, L., Halina, M., Shanahan, M., Crosby, M. Die Animal-AI-Umwelt: Training und Testen von tierähnlichen künstlichen Kognition, Arxiv-Vorverarbeitung
@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}
}
Papier mit allen Details der Testbatterie wird nach Abschluss des Wettbewerbs veröffentlicht.
Die Olympischen Spiele von Animal-ai wurden mit dem ML-Agents-Toolkit von Unity gebaut.
Die Python-Bibliothek in Animalai erweitert die ML-Agents V0.15.0. Hauptsächlich fügen wir die Möglichkeit hinzu, die Konfiguration von Arenen zwischen Episoden zu ändern.
Juliani, A., Berges, V., Vckay, E., Gao, Y., Henry, H., Mattar, M., Lange, D. (2018). Einheit: Eine allgemeine Plattform für intelligente Agenten. Arxiv Preprint Arxiv: 1809.02627
Der Wettbewerb wurde freundlicherweise auf Evalai gehostet, einer Open -Source -Webanwendung für KI -Wettbewerbe. Besonderer Dank geht an Rishabh Jain für seine Hilfe bei der Einrichtung. Wir werden die Einsendungen mit neuen versteckten Dateien erneut eröffnen, um eine Art Wettbewerb zu erhalten.
Deshraj Yadav, Rishabh Jain, Harsh Agrawal, Prithvijit Chattopadhyay, Taranjeet Singh, Akash Jain, Shiv Baran Singh, Stefan Lee und Dhruv Batra (2019) Evalai: Auf dem Weg zu besseren Bewertungssystemen für AI -Agenten
v2.0.1 (nur env):
v2.0.0:
Für frühere Versionen siehe hier
