論文の概要: Neural MMO 2.0: A Massively Multi-task Addition to Massively Multi-agent
Learning
- arxiv url: http://arxiv.org/abs/2311.03736v1
- Date: Tue, 7 Nov 2023 05:36:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 16:51:42.868401
- Title: Neural MMO 2.0: A Massively Multi-task Addition to Massively Multi-agent
Learning
- Title(参考訳): Neural MMO 2.0: 大規模マルチタスクによる大規模マルチエージェント学習
- Authors: Joseph Su\'arez, Phillip Isola, Kyoung Whan Choe, David Bloomin, Hao
Xiang Li, Nikhil Pinnaparaju, Nishaanth Kanna, Daniel Scott, Ryan Sullivan,
Rose S. Shuman, Lucas de Alc\^antara, Herbie Bradley, Louis Castricato,
Kirsty You, Yuhao Jiang, Qimai Li, Jiaxin Chen, Xiaolong Zhu
- Abstract要約: ニューラルMMO 2.0は強化学習研究のための大規模マルチエージェント環境である。
フレキシブルなタスクシステムを備えており、ユーザーは幅広い目的や報酬のシグナルを定義できる。
バージョン2.0は前バージョンを完全に書き直したもので、3倍の性能改善とCleanRLとの互換性がある。
- 参考スコア(独自算出の注目度): 36.03451274861878
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural MMO 2.0 is a massively multi-agent environment for reinforcement
learning research. The key feature of this new version is a flexible task
system that allows users to define a broad range of objectives and reward
signals. We challenge researchers to train agents capable of generalizing to
tasks, maps, and opponents never seen during training. Neural MMO features
procedurally generated maps with 128 agents in the standard setting and support
for up to. Version 2.0 is a complete rewrite of its predecessor with three-fold
improved performance and compatibility with CleanRL. We release the platform as
free and open-source software with comprehensive documentation available at
neuralmmo.github.io and an active community Discord. To spark initial research
on this new platform, we are concurrently running a competition at NeurIPS
2023.
- Abstract(参考訳): ニューラルMMO 2.0は強化学習研究のための大規模マルチエージェント環境である。
この新しいバージョンの主な機能はフレキシブルなタスクシステムで、ユーザーは幅広い目的と報酬の信号を定義することができる。
我々は、訓練中に見たことのないタスクや地図、対戦相手に一般化できるエージェントを訓練する研究者に挑戦する。
ニューラルMMOは、標準設定で128のエージェントを持つ手続き的に生成されたマップと、最大サポートを備えている。
バージョン2.0は前バージョンを完全に書き直したもので、3倍の性能改善とCleanRLとの互換性がある。
私たちはこのプラットフォームを無償でオープンソースソフトウェアとしてリリースし、neuralmmo.github.ioで包括的なドキュメントを入手できます。
この新プラットフォームに関する初期の研究をきっかけに、neurips 2023で同時にコンペティションを実施しています。
関連論文リスト
- The NeurIPS 2022 Neural MMO Challenge: A Massively Multiagent
Competition with Specialization and Trade [41.639843908635875]
NeurIPS-2022 Neural MMO Challengeには500人が参加し、1,600以上の応募があった。
今年の競技は最新のv1.6 Neural MMOで行われ、新しい装備、戦闘、取引、より良いスコアシステムが導入されている。
本稿では,課題の設計と成果を要約し,学習方法のベンチマークとして,この環境の可能性について考察する。
論文 参考訳(メタデータ) (2023-11-07T04:14:45Z) - TiZero: Mastering Multi-Agent Football with Curriculum Learning and
Self-Play [19.98100026335148]
TiZeroは、スクラッチから学習する自己進化型マルチエージェントシステムである。
これは、Google Research Footballの環境において、これまでのシステムよりはるかに優れている。
論文 参考訳(メタデータ) (2023-02-15T08:19:18Z) - mPLUG-2: A Modularized Multi-modal Foundation Model Across Text, Image
and Video [89.19867891570945]
mPLUG-2は、マルチモーダル事前訓練のためのモジュール化された設計を備えた新しい統一パラダイムである。
モダリティ協力のための共通普遍加群を共有し、モダリティの絡み合いを扱うために異なるモダリティ加群を切り離す。
テキスト、画像、ビデオを含むすべてのモダリティの異なる理解タスクと生成タスクのために、異なるモジュールを選択することは柔軟です。
論文 参考訳(メタデータ) (2023-02-01T12:40:03Z) - MineDojo: Building Open-Ended Embodied Agents with Internet-Scale
Knowledge [70.47759528596711]
私たちは、人気のMinecraftゲーム上に構築された新しいフレームワークであるMineDojoを紹介します。
本稿では,学習報酬関数として,大規模な事前学習ビデオ言語モデルを活用する新しいエージェント学習アルゴリズムを提案する。
我々のエージェントは、手動で設計した密なシェーピング報酬なしで、自由形式の言語で指定された様々なオープンエンドタスクを解くことができる。
論文 参考訳(メタデータ) (2022-06-17T15:53:05Z) - Godot Reinforcement Learning Agents [10.413185820687021]
Godot RL Agentsインターフェースは、挑戦的な2Dおよび3D環境におけるエージェントの動作の設計、生成、学習を可能にする。
このフレームワークは、研究者やゲームデザイナが、離散的、連続的、混合的なアクション空間を持つ環境を作成できる汎用的なツールである。
論文 参考訳(メタデータ) (2021-12-07T11:24:34Z) - The Neural MMO Platform for Massively Multiagent Research [49.51549968445566]
Neural MMOは、大規模なエージェント集団、長期水平線、オープンエンドタスク、モジュール型ゲームシステムを組み合わせた研究プラットフォームである。
我々は、Neural MMOを、アクティブなサポート、継続的な開発、ドキュメント、追加のトレーニング、ロギング、視覚化ツールを備えた、フリーでオープンソースのソフトウェアとして提示します。
論文 参考訳(メタデータ) (2021-10-14T17:54:49Z) - IGibson 2.0: Object-Centric Simulation for Robot Learning of Everyday
Household Tasks [60.930678878024366]
より多様な家庭用タスクのシミュレーションを支援するシミュレーション環境iGibson 2.0を提案する。
まず、iGibson 2.0は、温度、湿性レベル、清潔度レベル、トグルとスライスされた状態を含むオブジェクト状態をサポートする。
第2に、iGibson 2.0は述語論理関数のセットを実装し、シミュレータ状態をCookedやSoakedのような論理状態にマッピングする。
第3に、iGibson 2.0にはバーチャルリアリティ(VR)インターフェースがあり、人間をシーンに浸してデモを収集する。
論文 参考訳(メタデータ) (2021-08-06T18:41:39Z) - Neural MMO v1.3: A Massively Multiagent Game Environment for Training
and Evaluating Neural Networks [48.5733173329785]
本稿では,MMOにインスパイアされたマルチエージェントゲーム環境であるNeural MMOを紹介する。
分散インフラストラクチャとゲームIOという,AI研究のためのマルチエージェントシステムエンジニアリングにおける,より一般的な2つの課題について論じる。
論文 参考訳(メタデータ) (2020-01-31T18:50:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。