AnimalAI Olympics
v2.0.0 release
更新：Animal-ai V3現在正在單獨的存儲庫中。以下存儲庫包含2019年競爭的代碼庫。它不受積極的維護，但仍在某種程度上監視問題。
 |  |
|---|---|
 |  |
Animal-Ai測試台將動物認知的研究引入了AI世界。它提供了一個測試代理的環境，以從動物認知文獻中掌握或啟發的任務進行測試。數十年來，該領域的研究使我們能夠訓練和測試人工智能代理中的認知能力。
該倉庫包含培訓環境，一個培訓庫以及900個用於測試和/或培訓代理的任務。這些實驗分為旨在反映各種認知技能的類別。詳細信息可以在網站上找到。
我們使用此環境和相關測試進行了競爭，有關結果的更多詳細信息可以在此處找到
環境是使用Unity ML代理構建的，並包含固定尺寸競技場中的代理。物體可以在該領域產卵，包括代理必須獲得（或避免）的正獎勵（綠色，黃色和紅色球體）。所有測試都是由訓練環境中對象組合進行的。
只想開始？然後：
examples中，文件夾運行pip install -r requirements.txtexamples ”文件夾中，啟動jupyter notebook並瀏覽環境和培訓筆記本！有關更多示例，請參見示例文件夾。
首先為您的系統下載環境：
| 作業系統 | 環境鏈接 |
|---|---|
| 視窗 | 下載v2.0.1 |
| 蘋果 | 下載v2.0.1 |
| Linux | 下載v2.0.1 |
| Linux | 下載v2.0.2 |
v2.0.2僅適用於Linux，並通過代理速度解決了一個問題，這使得在2.0.1版本中不可能一些環境。沒有計劃維護或更新其他版本的計劃。當前的發展是朝著V3釋放2021年中期。
將存檔的全部內容解壓縮為examples/env文件夾。在Linux上，您可能必須通過運行chmod +x env/AnimalAI.x86_64使文件可執行。
Animal-ai包在Linux，Mac和Windows上工作，並且需要Python 3。
主包是用於與Unity環境接口的API。它既包含健身房環境，又包含Unity ML代理環境的擴展。您可以通過PIP安裝它：
pip install animalai
或者，您可以通過運行pip install -e animalai從repo文件夾中安裝它
我們還提供了一個可以用作訓練起點的軟件包，並且需要運行examples/文件夾中的大多數示例腳本所必需。它包含了ML-Agent的培訓環境的擴展，該培訓環境依賴Openai的PPO和Bair的囊。您也可以使用PIP安裝此軟件包：
pip install animalai-train
或者，您可以通過運行pip install -e animalai_train從repo文件夾中安裝它
環境的統一源文件可以在我們的ML代理叉上找到。
如果您直接從可執行文件或通過load_config_and_play,py腳本將在播放器模式下啟動。在這裡，您可以通過以下方式控制代理：
| 鍵盤鍵 | 行動 |
|---|---|
| w | 向前移動代理 |
| s | 向後移動代理 |
| 一個 | 向左轉 |
| d | 右轉代理 |
| c | 開關相機 |
| r | 重置環境 |
如果您在工作中使用動物AI環境，則可以引用環境論文：
Beyret，B.，Hernández-Orallo，J.，Cheke，L.，Halina，M.，Shanahan，M.，Crosby，M。動物-AI環境：訓練和測試類似動物的人工認知，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}
}
競爭結束後，將發布所有測試電池細節的紙張。
Animal-Ai奧運會是使用Unity的ML代理工具包建造的。
位於Animalai的Python庫擴展了ML-Agent v0.15.0。主要是，我們增加了改變情節之間競技場配置的可能性。
Juliani，A.，Berges，V.，Vckay，E.，Gao，Y.，Henry，H.，Mattar，M.，Lange，D。（2018年）。團結：智能代理的一般平台。 ARXIV預印型ARXIV：1809.02627
該競賽是在AI競賽的開源Web應用程序Adeai上舉辦的。特別感謝Rishabh Jain的幫助。我們的目標是重新開放使用新的隱藏文件，以保持某種形式的競爭。
Deshraj Yadav，Rishabh Jain，Harsh Agrawal，Prithvijit Chattopadhyay，Taranjeet Singh，Akash Jain，Shiv Baran Singh，Stefan Lee和Dhruv Batra（2019）Extai：朝著更好的評估Adentents for AI Agentent
v2.0.1（僅ENV）：
v2.0.0：
對於早期版本，請參見此處
