open_spiel

OpenSpiel: un marco para el aprendizaje por refuerzo en juegos

OpenSpiel es una colección de entornos y algoritmos para la investigación en aprendizaje por refuerzo general y búsqueda/planificación en juegos. OpenSpiel admite juegos de suma cero, cooperativos y de suma general, de una sola vez y secuenciales, de turnos estrictos y de movimientos simultáneos, de información perfecta e imperfecta para n jugadores (agente único y multiagente), así como entornos multiagente tradicionales. tales como mundos reticulares (parcial y totalmente observables) y dilemas sociales. OpenSpiel también incluye herramientas para analizar la dinámica del aprendizaje y otras métricas de evaluación comunes. Los juegos se representan como juegos procedimentales de forma extensiva, con algunas extensiones naturales. La API principal y los juegos se implementan en C++ y se exponen a Python. Los algoritmos y herramientas están escritos tanto en C++ como en Python.

Para probar OpenSpiel en Google Colaboratory, consulte el subdirectorio open_spiel/colabs o comience aquí.

Índice

Por favor elija entre las siguientes opciones:

• Instalación de OpenSpiel
• Introducción a OpenSpiel
• Descripción general de la API y primer ejemplo
• Referencia de API
• Descripción general de los juegos implementados
• Descripción general de los algoritmos implementados
• Guía para desarrolladores
• Usando OpenSpiel como biblioteca C++
• Directrices y contribuciones
• Autores

Para obtener una introducción más extensa a los conceptos centrales, formalismos y terminología, incluida una descripción general de los algoritmos y algunos resultados, consulte OpenSpiel: un marco para el aprendizaje reforzado en juegos.

Para obtener una descripción general de OpenSpiel y ejemplos de usos de la API principal, consulte nuestros tutoriales:

• Motivación, API central, breve introducción a la dinámica de replicadores y juegos de información imperfecta por Marc Lanctot. (diapositivas) (colaboración)
• Motivación, API central, implementación de CFR y REINFORCE en el póquer Kuhn, el póquer Leduc y Goofspiel por Edward Lockhart. (diapositivas) (colaboración)

Si utiliza OpenSpiel en su investigación, cite el artículo utilizando el siguiente BibTeX:

 @article { LanctotEtAl2019OpenSpiel ,
  title     = { {OpenSpiel}: A Framework for Reinforcement Learning in Games } ,
  author    = { Marc Lanctot and Edward Lockhart and Jean-Baptiste Lespiau and
               Vinicius Zambaldi and Satyaki Upadhyay and Julien P'{e}rolat and
               Sriram Srinivasan and Finbarr Timbers and Karl Tuyls and
               Shayegan Omidshafiei and Daniel Hennes and Dustin Morrill and
               Paul Muller and Timo Ewalds and Ryan Faulkner and J'{a}nos Kram'{a}r
               and Bart De Vylder and Brennan Saeta and James Bradbury and David Ding
               and Sebastian Borgeaud and Matthew Lai and Julian Schrittwieser and
               Thomas Anthony and Edward Hughes and Ivo Danihelka and Jonah Ryan-Davis } ,
  year      = { 2019 } ,
  eprint    = { 1908.09453 } ,
  archivePrefix = { arXiv } ,
  primaryClass = { cs.LG } ,
  journal   = { CoRR } ,
  volume    = { abs/1908.09453 } ,
  url       = { http://arxiv.org/abs/1908.09453 } ,
}

Versionado

Usamos Versionado Semántico.