Overcooked-AI：人机协作的烹饪挑战

Overcooked-AI：人机协作的烹饪挑战

overcooked_ai A benchmark environment for fully cooperative human-AI performance. 项目地址: https://gitcode.com/gh_mirrors/ov/overcooked_ai

项目介绍 🥘

Overcooked-AI 是一个基于热门视频游戏 Overcooked 的完全合作人机任务性能基准环境。游戏的目的是尽快交付汤品。每份汤需要将最多3种食材放入锅中，等待汤煮好，然后由一个代理拿起汤并交付。代理需要在任务中动态分配任务并有效协调，以获得高奖励。

你可以在这里 尝试游戏（与一些预先训练的深度强化学习代理一起玩）。如果你想使用自己训练的代理，或者收集更多的人机或人人数据，可以使用 这里的代码。你还可以找到已经收集的人人及人机游戏数据 这里。

项目技术分析 🔍

Overcooked-AI 的核心技术包括：

• 深度强化学习 (DRL)：项目中包含了与环境兼容的DRL实现，位于 src/human_aware_rl 目录下。
• 环境建模：overcooked_mdp.py 和 overcooked_env.py 提供了游戏的主要逻辑和环境类。
• 规划与搜索：planners.py 和 search.py 提供了近似最优的代理规划逻辑和A*搜索算法。
• 数据处理：human/ 目录下的脚本用于处理人类数据，以便DRL算法使用。

项目及技术应用场景 🌍

Overcooked-AI 适用于以下场景：

• 人机协作研究：通过模拟复杂的协作任务，研究人员可以测试和改进人机协作算法。
• 多智能体系统：项目中的多智能体系统可以用于研究智能体之间的协作和任务分配。
• 强化学习训练：开发者可以使用该项目来训练和评估强化学习代理，特别是在需要复杂协作的任务中。

项目特点 🌟

• 丰富的布局：项目提供了多种布局，并且可以轻松地硬编码或通过程序生成新的布局。
• 易于使用：项目提供了从PyPI安装的预编译轮文件，也可以从源代码构建，方便开发者快速上手。
• 全面的测试：项目包含了全面的单元测试，确保代码的稳定性和可靠性。
• 可视化支持：项目提供了Python可视化工具，帮助开发者直观地查看代理的行为和游戏状态。

通过 Overcooked-AI，开发者可以深入研究人机协作和多智能体系统，同时也可以利用该项目进行强化学习的训练和评估。无论你是研究人员还是开发者，Overcooked-AI 都是一个值得尝试的开源项目。

overcooked_ai A benchmark environment for fully cooperative human-AI performance. 项目地址: https://gitcode.com/gh_mirrors/ov/overcooked_ai