AutoDRIVE Cooperative MARLは、MADDPGやPPOなどのマルチエージェントRLアルゴリズムの使い捨て実装を提供し、AutoDRIVEシミュレーターと統合して、車線合併、交差点管理、編成走行などの協力タスクで自律車両を訓練します。
このツールを宣伝する
このツールを更新する
AutoDRIVE Cooperative MARL
AutoDRIVE Cooperative MARLは、MADDPGやPPOなどのマルチエージェントRLアルゴリズムの使い捨て実装を提供し、AutoDRIVEシミュレーターと統合して、車線合併、交差点管理、編成走行などの協力タスクで自律車両を訓練します。
フィーチャー
AutoDRIVE Cooperative MARLとは？
AutoDRIVE Cooperative MARLは、AutoDRIVE都市運転シミュレーターを柔軟に調整可能なマルチエージェント強化学習アルゴリズムと組み合わせたGitHubホスティングのフレームワークです。訓練スクリプト、環境ラッパー、評価指標、可視化ツールを含み、協調運転ポリシーの開発とベンチマークに役立ちます。ユーザーはエージェントの観測空間、報酬関数、訓練ハイパーパラメータを設定可能です。このリポジトリはモジュール式拡張をサポートし、シナリオ定義、カリキュラム学習、性能追跡を可能にします。
誰がAutoDRIVE Cooperative MARLを使うの？
- 自動車研究者
- マルチエージェントRL開発者
- ロボティクスおよびAI学生
- シミュレーションエンジニア
- アカデミック講師
AutoDRIVE Cooperative MARLの使い方は？
- ステップ1：リポジトリをクローンする：git clone https://github.com/Tinker-Twins/AutoDRIVE-Coopertitive-MARL.git
- ステップ2：pip install -r requirements.txtで依存関係をインストール
- ステップ3：AutoDRIVEシミュレーターをダウンロードまたはビルドし、そのパスを設定
- ステップ4：望むシナリオとアルゴリズム用に訓練設定ファイルを編集
- ステップ5：訓練スクリプト（例：python train_maddpg.py）を実行してエージェントを訓練
- ステップ6：評価スクリプトを用いて学習済みポリシーをシミュレーションでテスト
- ステップ7：内蔵のプロットツールを使用するか、アプリケーションに統合して結果を可視化
プラットフォーム
- Linux
- Mac
- Windows
AutoDRIVE Cooperative MARLの主な特長・利点
コア機能
- MADDPG、PPOなどのマルチエージェントRLアルゴリズムの実装
- 都市運転シナリオと連携したAutoDRIVEシミュレーターの統合
- カスタマイズ可能な環境ラッパーと報酬関数
- ロギング機能を備えた訓練・評価スクリプト
- 可視化と性能プロット機能
- カリキュラム学習とポリシーのチェックポイントをサポート
利点
- 既製のコードによって協調運転研究を加速
- モジュール型設計で拡張とカスタマイズが容易
- オープンソースかつ再現性のあるベンチマーク
- 高精細なドライビングシミュレーターとのシームレスな連携
- 詳細なドキュメントと例を豊富に提供
AutoDRIVE Cooperative MARLの主な使用ケース・アプリケーション
- 協調車線合併ポリシーの開発
- 複数エージェントによる交差点管理
- 車両編成とコルドロン調整の研究
- ドライビングシナリオにおけるマルチエージェントRLアルゴリズムのベンチマーク
- 自動運転コースの教育デモンストレーション
AutoDRIVE Cooperative MARLのFAQs
AutoDRIVE Cooperative MARL会社情報
AutoDRIVE Cooperative MARL のレビュー
5/5
AutoDRIVE Cooperative MARLの主な競合と代替品は？
PettingZoo Multi-Agent Environments
Ray RLlib Multi-Agent Toolkit
OpenAI Gym MultiAgentParticleEnv
Mava Multi-Agent RL Framework
あなたも好きかもしれません：
AGNO Agent UIは、Webアプリでストリーミング対応のAIエージェントチャットインターフェースを作成するためのカスタマイズ可能なReactコンポーネントとフックを提供します。