AnimalAI Olympics
v2.0.0 release
업데이트 : Animal-Aai V3가 이제 별도의 리포지어에 올랐습니다. 아래 저장소에는 2019 년에 실행 된 경쟁에 대한 코드베이스가 포함되어 있습니다. 적극적인 유지 보수 중이 아니라 문제는 여전히 어느 정도 모니터링됩니다.
 |  |
|---|---|
 |  |
동물성 시험 베드는 AI의 세계에 동물인지 연구를 소개합니다. 동물 인식 문헌에서 가져 오거나 영감을 얻은 작업에 대한 테스트 에이전트를위한 환경을 제공합니다. 이 분야에서 수십 년의 연구를 통해 인공 지능 에이전트의인지 기술을 훈련시키고 테스트 할 수 있습니다.
이 repo에는 훈련 환경, 교육 라이브러리 및 테스트 및/또는 교육 에이전트를위한 900 개의 작업이 포함됩니다. 실험은 다양한인지 기술을 반영하기위한 범주로 나뉩니다. 세부 사항은 웹 사이트에서 찾을 수 있습니다.
우리는이 환경과 관련 테스트를 사용하여 경쟁을 진행했으며 결과에 대한 자세한 내용은 여기에서 확인할 수 있습니다.
환경은 Unity ML-Agents를 사용하여 구축되며 고정 크기의 경기장에 동봉 된 에이전트를 포함합니다. 물체는이 분야에서 긍정적 및 부정적인 보상 (녹색, 노란색 및 빨간색 구체)을 포함하여 에이전트가 얻거나 피해야합니다. 모든 테스트는 훈련 환경에서 물체의 조합으로 이루어집니다.
시작하고 싶습니까? 그 다음에:
examples 폴더 run pip install -r requirements.txtexamples 폴더에서 jupyter notebook 시작하고 환경과 훈련 노트북을 통과하십시오!더 많은 예제를 실행하려면 예제 폴더를 참조하십시오.
먼저 시스템의 환경을 다운로드하십시오 .
| OS | 환경 링크 |
|---|---|
| 창 | v2.0.1을 다운로드하십시오 |
| 스코틀랜드 사람 | v2.0.1을 다운로드하십시오 |
| 리눅스 | v2.0.1을 다운로드하십시오 |
| 리눅스 | v2.0.2를 다운로드하십시오 |
v2.0.2는 Linux에서만 사용할 수 있으며 2.0.1 버전에서 몇 가지 환경을 불가능하게하는 에이전트 속도의 문제를 해결합니다. 다른 버전을 유지하거나 업데이트 할 계획은 없습니다. 현재 개발은 V3를 향한 것이며 2021 년 중반에 출시됩니다.
아카이브의 전체 내용을 examples/env 폴더로 압축하십시오. Linux에서는 chmod +x env/AnimalAI.x86_64 실행하여 파일을 실행해야 할 수도 있습니다.
Animal-AI 패키지는 Linux, Mac 및 Windows에서 작동하며 Python 3이 필요합니다.
기본 패키지는 Unity 환경과 인터페이스하기위한 API입니다. 여기에는 체육관 환경과 Unity의 ML-Agents 환경 확장이 포함되어 있습니다. PIP를 통해 설치할 수 있습니다.
pip install animalai
또는 REPO 폴더에서 pip install -e animalai 실행하여 소스에서 설치할 수 있습니다.
또한 훈련의 시작점으로 사용할 수 있고 examples/ 폴더에있는 대부분의 예제 스크립트를 실행하는 데 필요한 패키지를 제공합니다. 여기에는 OpenAI의 PPO 및 Bair 's SAC에 의존하는 ML-Agents의 교육 환경 확장이 포함되어 있습니다. PIP를 사용 하여이 패키지를 설치할 수도 있습니다.
pip install animalai-train
또는 pip install -e animalai_train 실행하여 소스에서 설치할 수 있습니다.
환경의 Unity 소스 파일은 ML-Agents Fork에서 찾을 수 있습니다.
실행 파일에서 또는 load_config_and_play,py 스크립트가 플레이어 모드에서 시작됩니다. 여기에서 다음과 함께 에이전트를 제어 할 수 있습니다.
| 키보드 키 | 행동 |
|---|---|
| w | 에이전트를 앞으로 움직입니다 |
| 에스 | 에이전트를 뒤로 이동하십시오 |
| 에이 | 에이전트를 왼쪽으로 돌리십시오 |
| 디 | 에이전트를 오른쪽으로 돌리십시오 |
| 기음 | 카메라 전환 |
| 아르 자형 | 환경을 재설정하십시오 |
작업에서 동물성 환경을 사용하는 경우 환경 논문을 인용 할 수 있습니다.
Beyret, B., Hernández-Orallo, J., Cheke, L., Halina, M., Shanahan, M., Crosby, M. 동물성 환경 : 동물과 같은 인공 인식 훈련 및 테스트, Arxiv Pretrint
@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}
}
경쟁이 완료된 후 테스트 배터리의 모든 세부 사항이 포함 된 종이가 출시됩니다.
Animal-Aai Olympics는 Unity의 ML-Agents 툴킷을 사용하여 제작되었습니다.
Animalai에 위치한 Python 라이브러리는 ML-Agents v0.15.0을 확장합니다. 주로, 우리는 에피소드 사이의 경기장 구성을 변경할 가능성을 추가합니다.
Juliani, A., Berges, V., Vckay, E., Gao, Y., Henry, H., Mattar, M., Lange, D. (2018). Unity : 지능형 에이전트를위한 일반적인 플랫폼. Arxiv preprint arxiv : 1809.02627
이 경쟁은 AI 경쟁을위한 오픈 소스 웹 응용 프로그램 인 Evalai에서 친절하게 호스팅되었습니다. 이를 설정하는 데 도움을 준 Rishabh Jain에게 특별한 감사를드립니다. 우리는 어떤 형태의 경쟁을 유지하기 위해 새로운 숨겨진 파일로 제출을 다시 열어 줄 것입니다.
Deshraj Yadav, Rishabh Jain, Harsh Agrawal, Prithvijit Chattopadhyay, Taranjeet Singh, Akash Jain, Shiv Baran Singh, Stefan Lee 및 Dhruv Batra (2019) Evalai : AI 에이전트에 대한 더 나은 평가 시스템을 향해
v2.0.1 (ENV 만 해당) :
v2.0.0 :
이전 버전은 여기를 참조하십시오
