multi agent neurosym transformers

Transformer Neurosimbolik untuk Komunikasi Multi-Agen

Ketergantungan

ular piton 3

Gim OpenAI 0.11.0

PyTorch

Pustaka grafik dalam (https://www.dgl.ai/)

Ilustrasi video untuk berbagai tugas:

Silakan temukan video singkat di task_video.mp4 untuk lebih memahami tugas yang digunakan dalam makalah ini.

Model terlatih:

Anda dapat menemukan model terlatih untuk semua tugas di folder utama/hasil/.

tugas random_cross -> utama/hasil/model_random_cross/

tugas random_grid -> utama/hasil/model_random_grid/

tugas unlabeled_goals -> main/results/model_unlabeled/

two_groups_cross pada Gambar 1 -> main/results/model_2groups_cross/

Menghasilkan plot:

  # To generate plots for Figures 2 and 6
  # Random cross
  python3 -m main.plot_results --result_dir=model_random_cross --env=FormationTorch-v0
  # Random grid
  python3 -m main.plot_results --result_dir=model_random_grid --env=FormationTorch-v0
  # Random cross
  python3 -m main.plot_results --result_dir=model_unlabeled --env=UnlabeledGoals-v0

Cmd di atas harus membuat plot di main/results/RESULT_DIR/plots/

Mensimulasikan model terlatih:

   python3 -m main.replay  --result_dir=RESULT_DIR --baseline=BASELINE

RESULT_DIR dapat berupa model_random_cross, model_random_grid, model_unlabeled, model_2groups_cross.

BASELINE bisa berupa tf-full, hard, dist, prog, prog-retrained, dt, dt-retrained, det, det-retrained.

Perhatikan bahwa prog-retrained adalah versi yang sesuai dengan pendekatan lengkap kami.

Model pelatihan dari awal

Untuk melatih model dari awal, jalankan skrip berikut. (Perhatikan bahwa bagian ini memerlukan waktu beberapa jam dan memerlukan GPU)

  # Random cross
  bash run_random_cross.sh
  # Random grid
  bash run_random_grid.sh
  # Random cross
  bash run_unlabeled_goals.sh