AnimalAI Olympics
v2.0.0 release
更新：Animal-AI V3は別のレポで登場しました。以下のリポジトリには、2019年に実行された競争のコードベースが含まれています。アクティブなメンテナンスは行われていませんが、問題はある程度監視されています。
 |  |
|---|---|
 |  |
動物aiテストベッドは、AIの世界に動物認知の研究を紹介します。動物認知の文献から取得または触発されたタスクで、エージェントをテストするための環境を提供します。この分野での数十年にわたる研究により、人工知能エージェントの認知スキルを訓練およびテストすることができます。
このレポは、トレーニング環境、トレーニングライブラリ、およびテストおよび/またはトレーニングエージェントのための900のタスクが含まれています。実験は、さまざまな認知スキルを反映するためのカテゴリに分けられます。詳細はWebサイトにあります。
この環境と関連するテストを使用して競争を実行しました。結果の詳細については、こちらをご覧ください。
環境はUnity ML-Agentsを使用して構築されており、固定サイズのアリーナに囲まれたエージェントが含まれています。オブジェクトは、エージェントが取得する（または回避）する（または避けている）、ポジティブおよびネガティブな報酬（緑、黄色、赤の球体）を含むこの分野で発生する可能性があります。すべてのテストは、トレーニング環境のオブジェクトの組み合わせから作成されます。
始めたいだけですか？それから：
examplesフォルダーではpip install -r requirements.txtを実行します。txtexamplesフォルダーで、 jupyter notebookを開始し、環境とトレーニングノートブックを通過してください！その他の例については、例フォルダーを参照してください。
最初にシステムの環境をダウンロードしてください。
| OS | 環境リンク |
|---|---|
| Windows | v2.0.1をダウンロードします |
| マック | v2.0.1をダウンロードします |
| Linux | v2.0.1をダウンロードします |
| Linux | v2.0.2をダウンロードします |
V2.0.2はLinuxでのみ利用可能であり、2.0.1バージョンでいくつかの環境を不可能にするエージェント速度で問題を修正します。他のバージョンを維持または更新する計画はありません。現在の開発は、2021年半ばにリリースするV3に向かっています。
アーカイブのコンテンツ全体をexamples/envフォルダーに解凍します。 Linuxではchmod +x env/AnimalAI.x86_64を実行して、ファイルを実行可能にする必要がある場合があります。
Animal-AIパッケージはLinux、Mac、およびWindowsで動作し、Python 3が必要です。
メインパッケージは、Unity環境とインターフェースするためのAPIです。ジム環境と、UnityのML-Agents環境の拡張の両方が含まれています。 PIP経由でインストールできます。
pip install animalai
または、Repoフォルダーからpip install -e animalai実行して、ソースからインストールすることもできます
また、トレーニングの出発点として使用できるパッケージを提供します。これは、 examples/フォルダーで見つかったサンプルスクリプトのほとんどを実行するために必要です。これには、OpenaiのPPOとBairのSACに依存するML-Agentsのトレーニング環境の拡張が含まれています。 PIPを使用してこのパッケージをインストールすることもできます。
pip install animalai-train
または、Repoフォルダーからpip install -e animalai_train実行してソースからインストールすることができます
環境のUnityソースファイルは、 ML-Agentsフォークにあります。
実行可能ファイルから直接環境を起動する場合、またはload_config_and_play,pyスクリプトがプレーヤーモードで起動します。ここでは、次のことでエージェントを制御できます。
| キーボードキー | アクション |
|---|---|
| w | エージェントを前方に移動します |
| s | エージェントを後方に移動します |
| a | エージェントを左にします |
| d | エージェントを右にします |
| c | カメラを切り替えます |
| r | 環境をリセットします |
作業で動物環境を使用する場合は、環境用紙を引用することができます。
Beyret、B.、Hernández-Orallo、J.、Cheke、L.、Halina、M.、Shanahan、M.、Crosby、M。動物ai環境：動物のような人工認知のトレーニングとテスト、Arxiv Preprint
@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}
}
テストバッテリーのすべての詳細が記載された紙は、競争が終了した後にリリースされます。
Animal-AIオリンピックは、UnityのML-Agents Toolkitを使用して建設されました。
AnimalAIにあるPythonライブラリは、ML-Agents v0.15.0を拡張します。主に、エピソード間でアリーナの構成を変更する可能性を追加します。
Juliani、A.、Berges、V.、Vckay、E.、Gao、Y.、Henry、H.、Mattar、M.、Lange、D。（2018）。 Unity：インテリジェントエージェントの一般的なプラットフォーム。 arxiv preprint arxiv：1809.02627
この競争は、AIコンペティション向けのオープンソースWebアプリケーションであるEvalaiで親切に開催されました。これをセットアップする際に彼の助けをしてくれたRishabh Jainに感謝します。何らかの形の競争を続けるために、新しい隠しファイルで提出物を再開することを目指します。
Deshraj Yadav、Rishabh Jain、Harsh Agrawal、Prithvijit Chattopadhyay、Taranjeet Singh、Akash Jain、Shiv Baran Singh、Stefan Lee、Dhruv Batra（2019）Evalai：AIエージェントのより良い評価システムに向けて
v2.0.1（envのみ）：
v2.0.0：
以前のバージョンについては、こちらをご覧ください
