論文の概要: Cross Language Soccer Framework: An Open Source Framework for the RoboCup 2D Soccer Simulation
- arxiv url: http://arxiv.org/abs/2406.05621v1
- Date: Sun, 9 Jun 2024 03:11:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-06-11 18:56:27.523725
- Title: Cross Language Soccer Framework: An Open Source Framework for the RoboCup 2D Soccer Simulation
- Title（参考訳）: Cross Language Soccer Framework:RoboCup 2Dサッカーシミュレーションのためのオープンソースフレームワーク
- Authors: Nader Zare, Aref Sayareh, Alireza Sadraii, Arad Firouzkouhi, Amilcar Soares,
- Abstract要約: RoboCup Soccer Simulation 2D (SS2D) の研究は、Helios、Cyrus、Glidersといった既存のCppベースのコードの複雑さによって妨げられている。
本稿では,ハイパフォーマンスなHeliosベースコードとシームレスに統合する,g-based, language-agnostic frameworkの変換解を提案する。
- 参考スコア（独自算出の注目度）: 0.4660328753262075
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: RoboCup Soccer Simulation 2D (SS2D) research is hampered by the complexity of existing Cpp-based codes like Helios, Cyrus, and Gliders, which also suffer from limited integration with modern machine learning frameworks. This development paper introduces a transformative solution a gRPC-based, language-agnostic framework that seamlessly integrates with the high-performance Helios base code. This approach not only facilitates the use of diverse programming languages including CSharp, JavaScript, and Python but also maintains the computational efficiency critical for real time decision making in SS2D. By breaking down language barriers, our framework significantly enhances collaborative potential and flexibility, empowering researchers to innovate without the overhead of mastering or developing extensive base codes. We invite the global research community to leverage and contribute to the Cross Language Soccer (CLS) framework, which is openly available under the MIT License, to drive forward the capabilities of multi-agent systems in soccer simulations.
- Abstract（参考訳）: RoboCup Soccer Simulation 2D (SS2D) の研究は、Helios、Cyrus、Glidersといった既存のCppベースのコードの複雑さによって妨げられている。
本稿では,ハイパフォーマンスなHeliosベースコードとシームレスに統合する,gRPCベースの言語に依存しないトランスフォーメーションソリューションを提案する。
このアプローチは、CSharp、JavaScript、Pythonなどの多様なプログラミング言語の使用を促進するだけでなく、SS2Dにおけるリアルタイム意思決定に不可欠な計算効率も維持している。
言語障壁を断ち切ることによって、我々のフレームワークは、協力的な可能性と柔軟性を大幅に向上させ、研究者が広範なベースコードの習得や開発をオーバーヘッドなく革新することを可能にします。
我々は,MITライセンス下で公開されているクロス言語サッカー(CLS)フレームワークを利用して,サッカーシミュレーションにおけるマルチエージェントシステムの能力を推し進めるために,グローバル研究コミュニティを招待する。
関連論文リスト
- CrossPL: Evaluating Large Language Models on Cross Programming Language Code Generation [24.468767564264738]
大規模言語モデル(LLM)のクロスプログラミング言語(CPL)コードを生成する能力を評価するために設計された最初のベンチマークであるCrossPLを提案する。
CrossPLは、IPCを中心とした1,982のタスクで構成され、6つの広く使われているプログラミング言語と7つの代表的CPL技術を含んでいる。
FSMによる検証により,過去3年間にリリースされた14の最先端汎用LLMと6のコード指向LLMをCrossPL上で評価した。
論文 参考訳（メタデータ） (2025-07-26T10:28:39Z) - Compositional Coordination for Multi-Robot Teams with Large Language Models [22.35748083111824]
LAN2CBは、自然言語(NL)のミッション記述をマルチロボットシステムのためのPythonコードに変換する。
シミュレーションおよび実環境における実験により、LAN2CBは自然言語からの堅牢で柔軟なマルチロボット協調を可能にすることが示された。
論文 参考訳（メタデータ） (2025-07-21T21:09:15Z) - Apple Intelligence Foundation Language Models: Tech Report 2025 [246.04717786298764]
AppleのデバイスやサービスにまたがってAppleのインテリジェンス機能を駆動する2つの基礎言語モデルを紹介します。
どちらのモデルも、責任あるWebクローリングを通じてソースされる大規模なマルチリンガルデータセットとマルチモーダルデータセットに基づいてトレーニングされている。
新しいSwift中心のFoundation Modelsフレームワークでは、ガイド付き生成、制約付きツール呼び出し、LoRAアダプタの微調整が公開されている。
論文 参考訳（メタデータ） (2025-07-17T23:37:19Z) - Guaranteed Guess: A Language Modeling Approach for CISC-to-RISC Transpilation with Testing Guarantees [0.03994567502796063]
GG(Guaranteed Guess)は、事前学習された大規模言語モデルの翻訳能力と、確立されたソフトウェアテスト構造の厳密さを組み合わせた、ISA中心のトランスパイレーションパイプラインである。
提案手法は,あるISAから別のISAへのLSMを用いた候補翻訳を生成し,ソフトウェアテストフレームワークにそのような翻訳を組み込んで,翻訳の量的信頼性を構築する。
我々は、2つの多様なデータセットに対するGGアプローチを評価し、ユニットテストに高いコードカバレッジ(>98%)を強制し、HumanEvalプログラムで99%、BringupBenchプログラムで49%の関数的/意味的正当性を達成した。
論文 参考訳（メタデータ） (2025-06-17T15:06:54Z) - LEGO-Compiler: Enhancing Neural Compilation Through Translation Composability [8.907036337469979]
大きな言語モデル(LLM)は、コンパイラやコード翻訳ツールの設計と実装方法に革命をもたらす可能性がある。
LEGO-Compilerは,LLMを利用して高レベル言語をアセンブリコードに変換する,新しいニューラルコンパイルシステムである。
私たちのアプローチでは,入力プログラムを管理可能なブロックに分解するLEGOトランスフォーメーション,複雑なコンパイルプロセスをより小さく,よりシンプルな検証可能なステップに分割する,自己修正のためのフィードバックメカニズムという,3つの重要なイノベーションに重点を置いています。
論文 参考訳（メタデータ） (2025-05-26T07:07:54Z) - Syntactic and Semantic Control of Large Language Models via Sequential Monte Carlo [90.78001821963008]
広い範囲のLMアプリケーションは、構文的制約や意味論的制約に適合するテキストを生成する必要がある。
我々は、連続モンテカルロ(SMC)に基づく制御LM生成のためのアーキテクチャを開発する。
我々のシステムはLew et al. (2023) のフレームワーク上に構築されており、言語モデル確率型プログラミング言語と統合されている。
論文 参考訳（メタデータ） (2025-04-17T17:49:40Z) - ToolCoder: A Systematic Code-Empowered Tool Learning Framework for Large Language Models [81.12673534903979]
ツール学習は、大規模な言語モデル(LLM)にとって、外部ツールとのインタラクションを通じて、複雑な現実世界のタスクを解決する重要な機能として登場した。
本稿では,ツール学習をコード生成タスクとして再編成する新しいフレームワークであるToolCoderを提案する。
論文 参考訳（メタデータ） (2025-02-17T03:42:28Z) - Multi-Programming Language Sandbox for LLMs [78.99934332554963]
大規模言語モデル(LLM)用のコンパイラと分析ツールから統一的で包括的なフィードバックを提供するように設計された、アウト・オブ・ザ・ボックスのマルチプログラミング言語サンドボックス
コードのプログラミング言語を自動的に識別し、独立したサブサンドボックス内でコンパイルして実行することで、安全性と安定性を確保することができる。
論文 参考訳（メタデータ） (2024-10-30T14:46:43Z) - Contextual Augmented Multi-Model Programming (CAMP): A Hybrid Local-Cloud Copilot Framework [8.28588489551341]
本稿では、Retrieval-Augmented Generation(RAG)を用いた局所モデルからなるマルチモデルAI支援プログラミングフレームワークであるCAMPを提案する。
RAGは、コンテキスト認識プロンプト構築を容易にするために、クラウドモデルからコンテキスト情報を取得する。
この方法論は、Appleソフトウェアエコシステム向けに開発されたAI支援プログラミングツールであるCopilot for Xcodeで実現されている。
論文 参考訳（メタデータ） (2024-10-20T04:51:24Z) - Multi-Programming Language Ensemble for Code Generation in Large Language Model [5.882816711878273]
大規模言語モデル(LLM)は、特にワンパスコード生成において、コード生成を大幅に改善した。
既存のアプローチのほとんどは、単一のプログラミング言語でコードを生成することだけに重点を置いており、LLMの多言語機能を活用する可能性を見越している。
本稿では,複数の言語にまたがるコード生成を利用して全体的な性能を向上させる,新しいアンサンブルに基づくMulti-Programming Language Ensemble (MPLE)を提案する。
論文 参考訳（メタデータ） (2024-09-06T08:31:18Z) - Multi-Agent Software Development through Cross-Team Collaboration [30.88149502999973]
ソフトウェア開発のためのスケーラブルなマルチチームフレームワークである、クロスチームコラボレーション(CTC)を紹介します。
CTCは、組織されたチームがさまざまな決定を共同で提案し、洞察とコミュニケーションすることを可能にする。
その結果,最先端のベースラインに比べて品質が顕著に向上した。
論文 参考訳（メタデータ） (2024-06-13T10:18:36Z) - A Framework to Model ML Engineering Processes [1.9744907811058787]
機械学習(ML)ベースのシステムの開発は複雑で、多様なスキルセットを持つ複数の学際的なチームが必要である。
現在のプロセスモデリング言語は、そのようなシステムの開発を説明するには適していない。
ドメイン固有言語を中心に構築されたMLベースのソフトウェア開発プロセスのモデリングフレームワークを紹介する。
論文 参考訳（メタデータ） (2024-04-29T09:17:36Z) - LMRL Gym: Benchmarks for Multi-Turn Reinforcement Learning with Language
Models [56.25156596019168]
本稿では,LMRL-Gymベンチマークを用いて,大規模言語モデル(LLM)のマルチターンRLの評価を行う。
我々のベンチマークは8つの異なる言語タスクで構成されており、複数ラウンドの言語相互作用が必要であり、オープンエンド対話やテキストゲームにおける様々なタスクをカバーする。
論文 参考訳（メタデータ） (2023-11-30T03:59:31Z) - MAgIC: Investigation of Large Language Model Powered Multi-Agent in
Cognition, Adaptability, Rationality and Collaboration [102.41118020705876]
大規模言語モデル(LLM)は自然言語処理の分野で大きな進歩を遂げている。
アプリケーションがマルチエージェント環境に拡張されるにつれ、包括的な評価フレームワークの必要性が高まっている。
この研究は、マルチエージェント設定内でLLMを評価するために特別に設計された新しいベンチマークフレームワークを導入している。
論文 参考訳（メタデータ） (2023-11-14T21:46:27Z) - GameGPT: Multi-agent Collaborative Framework for Game Development [3.5100485879548127]
大規模言語モデル(LLM)ベースのエージェントは、ソフトウェア開発プロセスの自動化と高速化の能力を示した。
本稿では,ゲーム開発を自動化するマルチエージェント協調フレームワークGameGPTを提案する。
論文 参考訳（メタデータ） (2023-10-12T06:31:43Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z) - InterCode: Standardizing and Benchmarking Interactive Coding with
Execution Feedback [50.725076393314964]
標準的な強化学習環境として,インタラクティブコーディングの軽量でフレキシブルで使いやすいフレームワークであるInterCodeを紹介した。
私たちのフレームワークは、言語とプラットフォームに依存しない、自己完結型のDocker環境を使用して、安全で再現可能な実行を提供します。
我々は、異なるプロンプト戦略で構成された複数の最先端LLMを評価することにより、InterCodeの生存性をテストベッドとして示す。
論文 参考訳（メタデータ） (2023-06-26T17:59:50Z) - CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。
我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。
CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
論文 参考訳（メタデータ） (2023-05-31T05:24:48Z)
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。