multi agent neurosym transformers

用於多智能體通訊的神經符號變壓器

依賴關係

蟒蛇3

OpenAI健身房0.11.0

火炬

深度圖庫（https://www.dgl.ai/）

各種任務的視訊插圖：

請在tasks_video.mp4 中找到一個簡短的視頻，以更好地了解本文中使用的任務。

預訓練模型：

您可以在 main/results/ 資料夾中找到所有任務的預訓練模型。

random_cross 任務 -> main/results/model_random_cross/

random_grid 任務 -> main/results/model_random_grid/

unlabeled_goals 任務 -> main/results/model_unlabeled/

圖 1 中的two_groups_cross -> main/results/model_2groups_cross/

生成圖：

  # 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

上述指令應在 main/results/RESULT_DIR/plots/ 處建立繪圖

模擬預訓練模型：

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

RESULT_DIR 可以是 model_random_cross、model_random_grid、model_unlabeled、model_2groups_cross。

BASELINE 可以是 tf-full、hard、dist、prog、prog-retrained、dt、dt-retrained、det、det-retrained。

請注意，prog-retrained 是與我們的完整方法相對應的版本。

從頭開始訓練模型

若要從頭開始訓練模型，請執行以下腳本。 （請注意，這部分需要幾個小時並且需要 GPU）

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