Learning-to-Communicate-PyTorchは、送信者と受信者のエージェントを訓練して通信プロトコルを開発するオープンソースのPyTorch実装です。指示ゲームやナビゲーションタスクをサポートし、カスタム環境統合や出現マルチエージェント通信の再現性のある研究のためのモジュラーコードを提供します。
このツールを宣伝する
このツールを更新する
Learning-to-Communicate-PyTorch
Learning-to-Communicate-PyTorchは、送信者と受信者のエージェントを訓練して通信プロトコルを開発するオープンソースのPyTorch実装です。指示ゲームやナビゲーションタスクをサポートし、カスタム環境統合や出現マルチエージェント通信の再現性のある研究のためのモジュラーコードを提供します。
広告
Learning-to-Communicate-PyTorchとは？
このリポジトリは、PyTorchを使用したマルチエージェント強化学習における出現通信を実現します。ユーザーは送信者および受信者のニューラルネットワークを設定し、指示ゲームや協力ナビゲーションをプレイさせることで、離散または連続の通信チャネルを開発させます。訓練、評価、学習されたプロトコルの可視化のためのスクリプトや、環境作成、メッセージのエンコード・デコードのユーティリティも提供されています。研究者はカスタムタスクの追加やネットワークアーキテクチャの変更、プロトコルの効率性解析などを行い、エージェント通信の迅速な実験を促進します。
誰がLearning-to-Communicate-PyTorchを使うの？
- マルチエージェント強化学習の研究者
- 出現通信を研究するAI開発者
- AIとMLの大学院生
- エージェント協調を探索する学術研究室
Learning-to-Communicate-PyTorchの使い方は？
- Step1: リポジトリをクローンする：git clone https://github.com/minqi/learning-to-communicate-pytorch.git
- Step2: 依存関係をインストールする：pip install -r requirements.txt
- Step3: 設定ファイルでタスクとネットワークを構成する
- Step4: 訓練を実行する：python train.py --config configs/referential_game.yaml
- Step5: プロトコルを評価する：python evaluate.py --checkpoint path/to/model
- Step6: 提供されたプロットスクリプトを使用して結果とメッセージを可視化する
プラットフォーム
- Linux
- Mac
Learning-to-Communicate-PyTorchの主な特長・利点
コア機能
- 指示通信ゲームの実装
- 協力ナビゲーションタスクのサポート
- モジュラーPyTorchネットワークアーキテクチャ
- 離散および連続のメッセージチャネル
- 訓練、評価、可視化のスクリプト
利点
- 再現可能な出現通信研究
- 新しいタスクへの容易なカスタマイズ
- 送信者と受信者モジュールの明確な分離
- オープンソースコミュニティの貢献
- 軽量で依存関係が少ない
Learning-to-Communicate-PyTorchの主な使用ケース・アプリケーション
- 指示ゲームにおける出現プロトコルのベンチマーク
- 離散チャネルと連続チャネルの比較研究
- カスタムマルチエージェント協調タスクの開発
- 先進的なAIコースでの教育目的
Learning-to-Communicate-PyTorchのFAQs
Learning-to-Communicate-PyTorch会社情報
Learning-to-Communicate-PyTorch のレビュー
5/5
Learning-to-Communicate-PyTorchの主な競合と代替品は？
OpenAI emergent communication codebases
PyMARL
MAVA
MADDPG
あなたも好きかもしれません：
TypeScript のプラグインランタイムを通じて、差し替え可能なモデル、ツール、サンドボックス、セッションログを備えたコーディングエージェントをローカルで実行します。