Cradle
1.0.0
[Веб -сайт] [arxiv] [pdf]
Структура Cradle расширяет возможности зарождающихся моделей фундамента для выполнения сложных компьютерных задач через тот же унифицированный интерфейс, который используют люди, т.е. экранирует в качестве входных и клавиатурных операций и мышей, что и вывод.
Нажмите на любое из миниатюр видео выше, чтобы посмотреть их на YouTube.
В настоящее время мы предоставляем доступ к API OpenAI и Claude. Пожалуйста, создайте файл .env в корне репозитория для хранения ключей (одного из них достаточно).
Образец .env Файл, содержащий личную информацию:
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 - это ключ API Openai. Вы можете получить его от Openai.
Az_openai_key - это ключ Azure OpenAI API. Вы можете получить его с портала Azure.
Oa_claude_key - это антропный ключ API Claude. Вы можете получить это от антропного.
Rf_claude_ak и rf_claude_sk - это ключ API AWS RESTFUL и секретный ключ для Claude API.
IDE_NAME относится к среде IDE, в которой работает код репозитория, такую как PyCharm или Code (VSCODE). Он используется в первую очередь для обеспечения автоматического переключения между IDE и целевой средой.
Пожалуйста, настройте вашу среду Python и установите необходимые зависимости как:
# 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
Из -за огромных различий между каждой игрой и программным обеспечением мы предоставили конкретные настройки для каждого из них ниже.
Поскольку некоторые пользователи могут захотеть применить нашу структуру для новых игр, этот раздел в основном демонстрирует основные каталоги и организационную структуру колыбели. Мы выделим в «Модулях, связанных с миграцией в новые игры, и предоставим подробные объяснения позже.
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
│ └── ...
└── ...
Поскольку настройки каждой игры и операционные системы, с которыми они совместимы, разные, Cradle не может просто заменить одно имя игры, чтобы перейти на новую игру. Мы предлагаем рассмотреть каждую игру конкретно. Например, RDR2, независимая игра AAA, требует боя в режиме реального времени, поэтому нам нужно приостановить игру, чтобы ждать ответа GPT-4O, а затем отказаться от игры для выполнения действий. У Stardew есть та же проблема. Другие игры, такие как Life 2 и города дилера: в коричневых условиях нет требований в режиме реального времени, поэтому им не нужно делать паузу. Если новая игра похожа на последнюю, мы рекомендуем копировать города: реализация Skylines и следуя его пути реализации для создания соответствующих модулей. Хотя каждая игра может значительно различаться, наша структура колыбели все еще может достичь единой адаптации для игры. Предполагая, что новая игра называется Newgame , конкретный миграционный трубопровод можно найти в новую игру.
Если вы найдете нашу работу полезной, пожалуйста, рассмотрите возможность ссылаться на нас!
@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}
}
