Cradle
1.0.0
[Sitio web] [ARXIV] [PDF]
El Framework de Cradle facilita a los modelos de Fundación Nverscent para realizar tareas de computadora complejas a través de la misma interfaz unificada que usan los humanos, es decir, capturas de pantalla como operaciones de entrada y teclado y mouse como salida.
Haga clic en cualquiera de las miniaturas de video arriba para verlas en YouTube.
Actualmente proporcionamos acceso a la API de Openi y Claude. Cree un archivo .env en la raíz del repositorio para almacenar las claves (una de ellas es suficiente).
Muestra .env archivo que contiene información privada:
OA_OPENAI_KEY = "abc123abc123abc123abc123abc123ab"
RF_CLAUDE_AK = "abc123abc123abc123abc123abc123ab" # Access Key for Claude
RF_CLAUDE_SK = "123abc123abc123abc123abc123abc12" # Secret Access Key for Claude
AZ_OPENAI_KEY = "123abc123abc123abc123abc123abc12"
AZ_BASE_URL = "https://abc123.openai.azure.com/"
RF_CLAUDE_AK = "abc123abc123abc123abc123abc123ab"
RF_CLAUDE_SK = "123abc123abc123abc123abc123abc12"
IDE_NAME = "Code"
OA_OPENAI_KEY es la tecla API OpenAI. Puedes conseguirlo desde el OpenAi.
AZ_OPENAI_KEY es la tecla API Azure OpenAI. Puede obtenerlo del portal Azure.
OA_CLAUDE_KEY es la tecla API Claude antrópica. Puedes obtenerlo del antrópico.
RF_CLAUDE_AK y RF_CLAUDE_SK son la tecla API RESTFUL AWS y la tecla secreta para Claude API.
IDE_NAME se refiere al entorno IDE en el que se ejecuta el código del repositorio, como PyCharm o Code (VScode). Se utiliza principalmente para habilitar la conmutación automática entre el IDE y el entorno objetivo.
Configure su entorno Python e instale las dependencias requeridas como:
# Clone the repository
git clone https://github.com/BAAI-Agents/Cradle.git
cd Cradle
# Create a new conda environment
conda create --name cradle-dev python=3.10
conda activate cradle-dev
pip install -r requirements.txt 1. Option 1
# Download best-matching version of specific model for your spaCy installation
python -m spacy download en_core_web_lg
or
# pip install .tar.gz archive or .whl from path or URL
pip install https://github.com/explosion/spacy-models/releases/download/en_core_web_lg-3.7.1/en_core_web_lg-3.7.1.tar.gz
2. Option 2
# Copy this url https://github.com/explosion/spacy-models/releases/download/en_core_web_lg-3.7.1/en_core_web_lg-3.7.1.tar.gz
# Paste it in the browser and download the file to res/spacy/data
cd res/spacy/data
pip install en_core_web_lg-3.7.1.tar.gz
Debido a las vastas diferencias entre cada juego y software, hemos proporcionado la configuración específica para cada una de ellas a continuación.
Dado que algunos usuarios pueden querer aplicar nuestro marco a nuevos juegos, esta sección muestra principalmente los directorios centrales y la estructura organizativa de la cuna. Destacaremos en "" los módulos relacionados con la migración a nuevos juegos y proporcionaremos explicaciones detalladas más adelante.
Cradle
├── cache # Cache the GroundingDino model and the bert-base-uncased model
├── conf # The configuration files for the environment and the llm model
│ ├── env_config_dealers.json
│ ├── env_config_rdr2_main_storyline.json
│ ├── env_config_rdr2_open_ended_mission.json
│ ├── env_config_skylines.json
│ ├── env_config_stardew_cultivation.json
│ ├── env_config_stardew_farm_clearup.json
│ ├── env_config_stardew_shopping.json
│ ├── openai_config.json
│ ├── claude_config.json
│ ├── restful_claude_config.json
│ └── ...
├── deps # The dependencies for the Cradle framework, ignore this folder
├── docs # The documentation for the Cradle framework, ignore this folder
├── res # The resources for the Cradle framework
│ ├── models # Ignore this folder
│ ├── tool # Subfinder for RDR2
│ ├── [game or software] # The resources for game, exmpale: rdr2, dealers, skylines, stardew, outlook, chrome, capcut, meitu, feishu
│ │ ├── prompts # The prompts for the game
│ │ │ └── templates
│ │ │ ├── action_planning.prompt
│ │ │ ├── information_gathering.prompt
│ │ │ ├── self_reflection.prompt
│ │ │ └── task_inference.prompt
│ │ ├── skills # The skills json for the game, it will be generated automatically
│ │ ├── icons # The icons difficult for GPT-4 to recognize in the game can be replaced with text for better recognition using an icon replacer
│ │ └── saves # Save files in the game
│ └── ...
├── requirements.txt # The requirements for the Cradle framework
├── runner.py # The main entry for the Cradle framework
├── cradle # Cradle's core modules
│ ├── config # The configuration for the Cradle framework
│ ├── environment # The environment for the Cradle framework
│ │ ├── [game or software] # The environment for the game, exmpale: rdr2, dealers, skylines, stardew, outlook, chrome, capcut, meitu, feishu
│ │ │ ├── __init__.py # The initialization file for the environment
│ │ │ ├── atomic_skills # Atomic skills in the game. Users should customise them to suit the needs of the game or software, e.g. character movement
│ │ │ ├── composite_skills # Combination skills for atomic skills in games or software
│ │ │ ├── skill_registry.py # The skill registry for the game. Will register all atomic skills and composite skills into the registry.
│ │ │ └── ui_control.py # The UI control for the game. Define functions to pause the game and switch to the game window
│ │ └── ...
│ ├── gameio # Interfaces that directly wrap the skill registry and ui control in the environment
│ ├── log # The log for the Cradle framework
│ ├── memory # The memory for the Cradle framework
│ ├── module # Currently there is only the skill execution module. Later will migrate action planning, self-reflection and other modules from planner and provider
│ ├── planner # The planner for the Cradle framework. Unified interface for action planning, self-reflection and other modules. This module will be deleted later and will be moved to the module module.
│ ├── runner # The logical flow of execution for each game and software. All game and software processes will then be unified into a single runner
│ ├── utils # Defines some helper functions such as save json and load json
│ └── provider # The provider for the Cradle framework. We have semantically decomposed most of the execution flow in the runner into providers
│ ├── augment # Methods for image augmentation
│ ├── llm # Call for the LLM model, e.g. OpenAI's GPT-4o, Claude, etc.
│ ├── module # The module for the Cradle framework. e.g., action planning, self-reflection and other modules. It will be migrated to the cradle/module later.
│ ├── object_detect # Methods for object detection
│ ├── process # Methods for pre-processing and post-processing for action planning, self-reflection and other modules
│ ├── video # Methods for video processing
│ ├── others # Methods for other operations, e.g., save and load coordinates for skylines
│ ├── circle_detector.py # The circle detector for the rdr2
│ ├── icon_replacer.py # Methods for replacing icons with text
│ ├── sam_provider.py # Segment anything for software
│ └── ...
└── ...
Dado que la configuración de cada juego y los sistemas operativos con los que son compatibles son diferentes, Cradle no puede simplemente reemplazar el nombre de un juego para migrar a un nuevo juego. Sugerimos considerar cada juego específicamente. Por ejemplo, RDR2, un juego AAA independiente, requiere un combate en tiempo real, por lo que debemos detener el juego para esperar la respuesta de GPT-4O y luego imponer el juego para ejecutar las acciones. Stardew tiene el mismo problema. Otros juegos como Dealer's Life 2 y Cities: Skylines no tienen requisitos en tiempo real, por lo que no necesitan detenerse. Si el nuevo juego es similar al último, recomendamos copiar ciudades: implementación de Skylines y seguir su ruta de implementación para crear los módulos correspondientes. Aunque cada juego puede diferir significativamente, nuestro marco de la cuna aún puede lograr una adaptación unificada para un juego. Suponiendo que el nombre del nuevo juego es NewGame , la tubería de migración específica se puede encontrar migra a una nueva guía del juego.
Si encuentra útil nuestro trabajo, ¡considere citarnos!
@article{tan2024cradle,
title={Cradle: Empowering Foundation Agents towards General Computer Control},
author={Weihao Tan and Wentao Zhang and Xinrun Xu and Haochong Xia and Ziluo Ding and Boyu Li and Bohan Zhou and Junpeng Yue and Jiechuan Jiang and Yewen Li and Ruyi An and Molei Qin and Chuqiao Zong and Longtao Zheng and Yujie Wu and Xiaoqiang Chai and Yifei Bi and Tianbao Xie and Pengjie Gu and Xiyun Li and Ceyao Zhang and Long Tian and Chaojie Wang and Xinrun Wang and Börje F. Karlsson and Bo An and Shuicheng Yan and Zongqing Lu},
journal={arXiv preprint arXiv:2403.03186},
year={2024}
}
