Cradle
1.0.0
[Site] [ARXIV] [PDF]
A estrutura do berço capacita modelos de fundação nascentes para executar tarefas complexas de computador por meio da mesma interface unificada que os humanos usam, ou seja, capturas de tela como operações de entrada e teclado e mouse como saída.
Clique em qualquer uma das miniaturas de vídeo acima para assisti -las no YouTube.
Atualmente, fornecemos acesso à API do Openai e Claude. Crie um arquivo .env na raiz do repositório para armazenar as chaves (uma delas é suficiente).
Arquivo .env de amostra contendo informações privadas:
OA_OPENAI_KEY = "abc123abc123abc123abc123abc123ab"
RF_CLAUDE_AK = "abc123abc123abc123abc123abc123ab" # Access Key for Claude
RF_CLAUDE_SK = "123abc123abc123abc123abc123abc12" # Secret Access Key for Claude
AZ_OPENAI_KEY = "123abc123abc123abc123abc123abc12"
AZ_BASE_URL = "https://abc123.openai.azure.com/"
RF_CLAUDE_AK = "abc123abc123abc123abc123abc123ab"
RF_CLAUDE_SK = "123abc123abc123abc123abc123abc12"
IDE_NAME = "Code"
OA_OPENAI_KEY é a chave da API OpenAI. Você pode obtê -lo do Openai.
AZ_OPENAI_KEY é a chave da API do Azure Openai. Você pode obtê -lo no portal do Azure.
OA_CLAUDE_KEY é a chave da API Claude antropal. Você pode obtê -lo do antrópico.
RF_CLAUDE_AK e RF_CLAUDE_SK são AWS RESTful API Key and Secret Key for Claude API.
IDE_NAME refere -se ao ambiente IDE em que o código do repositório é executado, como PyCharm ou Code (VSCODE). É usado principalmente para ativar a comutação automática entre o IDE e o ambiente de destino.
Configure seu ambiente Python e instale as dependências necessárias como:
# Clone the repository
git clone https://github.com/BAAI-Agents/Cradle.git
cd Cradle
# Create a new conda environment
conda create --name cradle-dev python=3.10
conda activate cradle-dev
pip install -r requirements.txt 1. Option 1
# Download best-matching version of specific model for your spaCy installation
python -m spacy download en_core_web_lg
or
# pip install .tar.gz archive or .whl from path or URL
pip install https://github.com/explosion/spacy-models/releases/download/en_core_web_lg-3.7.1/en_core_web_lg-3.7.1.tar.gz
2. Option 2
# Copy this url https://github.com/explosion/spacy-models/releases/download/en_core_web_lg-3.7.1/en_core_web_lg-3.7.1.tar.gz
# Paste it in the browser and download the file to res/spacy/data
cd res/spacy/data
pip install en_core_web_lg-3.7.1.tar.gz
Devido às vastas diferenças entre cada jogo e software, fornecemos as configurações específicas para cada uma delas abaixo.
Como alguns usuários podem querer aplicar nossa estrutura a novos jogos, esta seção mostra principalmente os principais diretórios e a estrutura organizacional do berço. Destacaremos em "" Os módulos relacionados à migração para novos jogos e fornecemos explicações detalhadas posteriormente.
Cradle
├── cache # Cache the GroundingDino model and the bert-base-uncased model
├── conf # The configuration files for the environment and the llm model
│ ├── env_config_dealers.json
│ ├── env_config_rdr2_main_storyline.json
│ ├── env_config_rdr2_open_ended_mission.json
│ ├── env_config_skylines.json
│ ├── env_config_stardew_cultivation.json
│ ├── env_config_stardew_farm_clearup.json
│ ├── env_config_stardew_shopping.json
│ ├── openai_config.json
│ ├── claude_config.json
│ ├── restful_claude_config.json
│ └── ...
├── deps # The dependencies for the Cradle framework, ignore this folder
├── docs # The documentation for the Cradle framework, ignore this folder
├── res # The resources for the Cradle framework
│ ├── models # Ignore this folder
│ ├── tool # Subfinder for RDR2
│ ├── [game or software] # The resources for game, exmpale: rdr2, dealers, skylines, stardew, outlook, chrome, capcut, meitu, feishu
│ │ ├── prompts # The prompts for the game
│ │ │ └── templates
│ │ │ ├── action_planning.prompt
│ │ │ ├── information_gathering.prompt
│ │ │ ├── self_reflection.prompt
│ │ │ └── task_inference.prompt
│ │ ├── skills # The skills json for the game, it will be generated automatically
│ │ ├── icons # The icons difficult for GPT-4 to recognize in the game can be replaced with text for better recognition using an icon replacer
│ │ └── saves # Save files in the game
│ └── ...
├── requirements.txt # The requirements for the Cradle framework
├── runner.py # The main entry for the Cradle framework
├── cradle # Cradle's core modules
│ ├── config # The configuration for the Cradle framework
│ ├── environment # The environment for the Cradle framework
│ │ ├── [game or software] # The environment for the game, exmpale: rdr2, dealers, skylines, stardew, outlook, chrome, capcut, meitu, feishu
│ │ │ ├── __init__.py # The initialization file for the environment
│ │ │ ├── atomic_skills # Atomic skills in the game. Users should customise them to suit the needs of the game or software, e.g. character movement
│ │ │ ├── composite_skills # Combination skills for atomic skills in games or software
│ │ │ ├── skill_registry.py # The skill registry for the game. Will register all atomic skills and composite skills into the registry.
│ │ │ └── ui_control.py # The UI control for the game. Define functions to pause the game and switch to the game window
│ │ └── ...
│ ├── gameio # Interfaces that directly wrap the skill registry and ui control in the environment
│ ├── log # The log for the Cradle framework
│ ├── memory # The memory for the Cradle framework
│ ├── module # Currently there is only the skill execution module. Later will migrate action planning, self-reflection and other modules from planner and provider
│ ├── planner # The planner for the Cradle framework. Unified interface for action planning, self-reflection and other modules. This module will be deleted later and will be moved to the module module.
│ ├── runner # The logical flow of execution for each game and software. All game and software processes will then be unified into a single runner
│ ├── utils # Defines some helper functions such as save json and load json
│ └── provider # The provider for the Cradle framework. We have semantically decomposed most of the execution flow in the runner into providers
│ ├── augment # Methods for image augmentation
│ ├── llm # Call for the LLM model, e.g. OpenAI's GPT-4o, Claude, etc.
│ ├── module # The module for the Cradle framework. e.g., action planning, self-reflection and other modules. It will be migrated to the cradle/module later.
│ ├── object_detect # Methods for object detection
│ ├── process # Methods for pre-processing and post-processing for action planning, self-reflection and other modules
│ ├── video # Methods for video processing
│ ├── others # Methods for other operations, e.g., save and load coordinates for skylines
│ ├── circle_detector.py # The circle detector for the rdr2
│ ├── icon_replacer.py # Methods for replacing icons with text
│ ├── sam_provider.py # Segment anything for software
│ └── ...
└── ...
Como as configurações de cada jogo e os sistemas operacionais com os quais são compatíveis são diferentes, o berço não pode simplesmente substituir um nome de jogo para migrar para um novo jogo. Sugerimos considerar cada jogo especificamente. Por exemplo, o RDR2, um jogo AAA independente, requer combate em tempo real, por isso precisamos pausar o jogo para aguardar a resposta do GPT-4O e, em seguida, não opor o jogo para executar as ações. Stardew tem o mesmo problema. Outros jogos, como Life 2 e Cities do Dealer: Skylines não têm requisitos em tempo real, portanto não precisam fazer uma pausa. Se o novo jogo for semelhante ao último, recomendamos copiar cidades: a implementação da Skylines e seguindo seu caminho de implementação para criar os módulos correspondentes. Embora cada jogo possa diferir significativamente, nossa estrutura de berço ainda pode obter uma adaptação unificada para um jogo. Supondo que o nome do novo jogo seja o NewGame , o pipeline de migração específico pode ser encontrado migrar para o novo guia de jogo.
Se você achar útil nosso trabalho, considere nos citar!
@article{tan2024cradle,
title={Cradle: Empowering Foundation Agents towards General Computer Control},
author={Weihao Tan and Wentao Zhang and Xinrun Xu and Haochong Xia and Ziluo Ding and Boyu Li and Bohan Zhou and Junpeng Yue and Jiechuan Jiang and Yewen Li and Ruyi An and Molei Qin and Chuqiao Zong and Longtao Zheng and Yujie Wu and Xiaoqiang Chai and Yifei Bi and Tianbao Xie and Pengjie Gu and Xiyun Li and Ceyao Zhang and Long Tian and Chaojie Wang and Xinrun Wang and Börje F. Karlsson and Bo An and Shuicheng Yan and Zongqing Lu},
journal={arXiv preprint arXiv:2403.03186},
year={2024}
}
