pgx

Eine Sammlung GPU-beschleunigter paralleler Spielesimulatoren für Reinforcement Learning (RL)

Notiz

Wenn Sie dieses Projekt hilfreich finden, wären wir dankbar für Ihre Unterstützung durch einen GitHub-Star, der uns hilft, die Community zu vergrößern und die weitere Entwicklung zu motivieren!

v1 Ein vereinfachtes, kinderfreundliches Mahjong. Tic-Tac-Toe
"tic_tac_toe" v0 Drei in Folge gewinnen.

Versionierungsrichtlinie

Jede Umgebung ist versioniert und die Version wird erhöht, wenn es Änderungen gibt, die sich auf die Leistung von Agents auswirken, oder wenn es Änderungen gibt, die nicht abwärtskompatibel mit der API sind. Wenn Sie eine vollständige Reproduzierbarkeit anstreben möchten, empfehlen wir Ihnen, die Version von Pgx und jede Umgebung wie folgt zu überprüfen:

 > >> pgx . __version__
'1.0.0'
> >> env . version
'v0' 

Siehe auch

Pgx soll diese JAX-nativen Umgebungen durch (klassische) Brettspiel-Anzüge ergänzen:

• RobertTLange/gymnax: JAX-Implementierung beliebter RL-Umgebungen (klassische Steuerung, Bsuite, MinAtar usw.) und Meta-RL-Aufgaben
• google/brax: Starrkörper-Physiksimulation in JAX und RL-Aufgaben im kontinuierlichen Raum (Ameise, Fetch, Humanoid usw.)
• instadeepai/jumanji: Eine Reihe vielfältiger und herausfordernder RL-Umgebungen in JAX (Bin-Packing, Routing-Probleme usw.)
• flairox/jaxmarl: Multi-Agent-RL-Umgebungen in JAX (vereinfachtes StarCraft usw.)
• corl-team/xland-minigrid: Meta-RL-Gridworld-Umgebungen in JAX, inspiriert von MiniGrid und XLand
• MichaelTMatthews/Craftax: (Crafter + NetHack) in JAX für offenes RL
• epignatelli/navix: Neuimplementierung von MiniGrid in JAX

Die Kombination von Pgx mit diesen JAX-nativen Algorithmen/Implementierungen könnte eine interessante Richtung sein:

• Anakin-Framework: Hocheffizientes RL-Framework, das mit JAX-nativen Umgebungen auf TPUs funktioniert
• deepmind/mctx: JAX-native MCTS-Implementierungen, einschließlich AlphaZero und MuZero
• deepmind/rlax: JAX-native RL-Komponenten
• google/evojax: Hardware-beschleunigte Neuroevolution
• RobertTLange/evosax: Implementierungen der JAX-nativen Evolutionsstrategie (ES).
• adaptive-intelligent-robotics/QDax: JAX-native Quality-Diversity (QD)-Algorithmen
• luchris429/purejaxrl: Jax-native RL-Implementierungen

Einschränkung

Derzeit funktionieren einige Umgebungen, darunter Go und Schach, auf TPUs nicht gut. Bitte verwenden Sie stattdessen GPUs.

Zitat

Wenn Sie Pgx in Ihrer Arbeit verwenden, zitieren Sie bitte unseren Artikel:

 @inproceedings{koyamada2023pgx,
  title={Pgx: Hardware-Accelerated Parallel Game Simulators for Reinforcement Learning},
  author={Koyamada, Sotetsu and Okano, Shinri and Nishimori, Soichiro and Murata, Yu and Habara, Keigo and Kita, Haruka and Ishii, Shin},
  booktitle={Advances in Neural Information Processing Systems},
  pages={45716--45743},
  volume={36},
  year={2023}
}

LIZENZ

Apache-2.0

Expandieren