AnimalAI Olympics
v2.0.0 release
ACTUALIZACIÓN: Animal-AI V3 ahora está en un repositorio separado. El siguiente repositorio contiene la base de código para la competencia que se ejecutó en 2019. No está bajo mantenimiento activo, pero los problemas aún se monitorean hasta cierto punto.
 |  |
|---|---|
 |  |
El Testbed de Animal-AI introduce el estudio de la cognición animal al mundo de la IA. Proporciona un entorno para probar agentes en tareas tomadas o inspiradas en la literatura de cognición animal. Las décadas de investigación en este campo nos permiten capacitar y probar habilidades cognitivas en agentes de inteligencia artificial.
Este repositorio contiene el entorno de capacitación, una biblioteca de capacitación, así como 900 tareas para agentes de prueba y/o capacitación. Los experimentos se dividen en categorías destinadas a reflejar varias habilidades cognitivas. Los detalles se pueden encontrar en el sitio web.
Realizamos una competencia utilizando este entorno y las pruebas asociadas, se pueden encontrar más detalles sobre los resultados aquí.
El entorno se construye con agentes de ml Unity y contiene un agente encerrado en una arena de tamaño fijo. Los objetos pueden generar en esta arena, incluidas recompensas positivas y negativas (esferas verdes, amarillas y rojas) que el agente debe obtener (o evitar). Todas las pruebas están hechas de combinaciones de objetos en el entorno de capacitación.
¿Solo quieres comenzar? Entonces:
examples ejecute pip install -r requirements.txtexamples , inicie jupyter notebook y pase por el entorno y los cuadernos de capacitación.Para obtener más ejemplos para ejecutar, consulte la carpeta de ejemplos.
Primero descargue el entorno para su sistema:
| Sistema operativo | Enlace de entorno |
|---|---|
| Windows | Descargar v2.0.1 |
| Impermeable | Descargar v2.0.1 |
| Linux | Descargar v2.0.1 |
| Linux | Descargar v2.0.2 |
V2.0.2 solo está disponible para Linux y soluciona un problema con la velocidad del agente que hace que algunos entornos imposibles en la versión 2.0.1. No hay planes para mantener o actualizar otras versiones. El desarrollo actual es hacia V3 para lanzar a mediados de 2021.
Descomprima el contenido completo del archivo a la carpeta examples/env . En Linux, es posible que deba hacer el ejecutable de archivo ejecutando chmod +x env/AnimalAI.x86_64 .
Los paquetes Animal-AI funcionan en Linux, Mac y Windows y requiere Python 3.
El paquete principal es una API para interactuar con el entorno Unity. Contiene tanto un entorno de gimnasio como una extensión de los entornos de agentes de ML de Unity. Puede instalarlo a través de PIP:
pip install animalai
O puede instalarlo desde la fuente ejecutando pip install -e animalai desde la carpeta de repositorio
También proporcionamos un paquete que se puede usar como punto de partida para la capacitación, y que se requiere para ejecutar la mayoría de los scripts de ejemplo que se encuentran en los examples/ carpeta. Contiene una extensión del entorno de entrenamiento de los agentes de ML que se basa en el PPO de OpenAi y el saco de Bair. También puede instalar este paquete con PIP:
pip install animalai-train
O puede instalarlo desde la fuente ejecutando pip install -e animalai_train desde la carpeta de repos
Los archivos de origen de Unity para el entorno se pueden encontrar en nuestra bifurcación ML-Agents.
Si inicia el entorno directamente desde el ejecutable o a través de load_config_and_play,py se iniciará en modo reproductor. Aquí puede controlar el agente con lo siguiente:
| Tecla de teclado | Acción |
|---|---|
| W | Mover el agente hacia adelante |
| S | Mueve el agente hacia atrás |
| A | Gire el agente a la izquierda |
| D | Gire el agente a la derecha |
| do | cámara de interrupción |
| Riñonal | Restablecer entorno |
Si usa el entorno Animal-AI en su trabajo, puede citar el documento del medio ambiente:
Beyret, B., Hernández-Orallo, J., Cheke, L., Halina, M., Shanahan, M., Crosby, M. El ambiente de animales-AI: entrenamiento y prueba de cognición artificial de animal, preprint de arxiv
@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}
}
El papel con todos los detalles de la batería de prueba se lanzará después de que la competencia haya terminado.
Los Juegos Olímpicos de Animal-AI se construyeron utilizando el kit de herramientas ML-Agents de Unity.
La biblioteca de Python ubicada en Animalai extiende ML-Agents V0.15.0. Principalmente, agregamos la posibilidad de cambiar la configuración de arenas entre episodios.
Juliani, A., Berges, V., Vckay, E., Gao, Y., Henry, H., Mattar, M., Lange, D. (2018). Unidad: una plataforma general para agentes inteligentes. Arxiv preimpresión ARXIV: 1809.02627
La competencia fue alojada amablemente en Evali, una aplicación web de código abierto para competiciones de IA. Un agradecimiento especial a Rishabh Jain por su ayuda para establecer esto. Su objetivo es volver a abrir las presentaciones con nuevos archivos ocultos para mantener alguna forma de competencia.
Deshraj Yadav, Rishabh Jain, Harsh Agrawal, Prithvijit Chattopadhyay, Taranjeet Singh, Akash Jain, Shiv Baran Singh, Stefan Lee y Dhruv Batra (2019) Evali: Hacia mejores sistemas de evaluación para los agentes de AI
v2.0.1 (solo env):
v2.0.0:
Para versiones anteriores, ver aquí
