Hanabi_SPARTA 项目使用教程

Hanabi_SPARTA 项目使用教程

Hanabi_SPARTA Research code implementing the search AI agent for Hanabi, as well as a web server so people can play against it 项目地址: https://gitcode.com/gh_mirrors/ha/Hanabi_SPARTA

1、项目介绍

Hanabi_SPARTA 是一个由 Facebook Research 开发的开源项目，旨在实现 Hanabi 游戏中的协作搜索 AI 代理。该项目基于 2020 年 AAAI 会议上发表的论文，能够在 Hanabi 这种高度合作且观察受限的游戏环境中，提升基于启发式或强化学习（RL）策略的 AI 性能。Hanabi_SPARTA 不仅提供了评估不同代理的代码，还包含一个 Web 服务器，允许用户通过 Web 界面与各种 Hanabi 代理进行实时对战。

2、项目快速启动

安装要求

• Python 3
• PyTorch 1.2+
• Boost 1.69+
• （可选）CUDA 和 libtorch（用于 SAD 蓝图）

安装步骤

1. 克隆仓库

git clone https://github.com/facebookresearch/Hanabi_SPARTA.git
cd Hanabi_SPARTA

2. 安装依赖

使用 CPU（仅支持启发式代理）

python setup.py install

使用 GPU（支持启发式和 SAD 代理）

INSTALL_TORCHBOT=1 python setup.py install
./download_models.sh  # 下载 SAD 模型

3. 启动 Web 服务器

前端服务器

cd webapp
yarn  # 安装依赖
yarn start  # 启动开发服务器

后端服务器（本地运行）

BOT=SmartBot python webapp/server.py

后端服务器（通过 Docker 运行）

docker build -t hanabi .
nvidia-docker run -it --rm --runtime=nvidia hanabi

3、应用案例和最佳实践

案例 1：评估代理

评估 SmartBot 代理（2 名玩家，1000 局游戏）

python eval_bot.py SmartBot --games 1000

评估 SAD 代理（2 名玩家，1000 局游戏）

GREEDY_ACTION=1 TORCHBOT_MODEL=models/sad_player2.pth python eval_bot.py TorchBot --games 1000

案例 2：通过 Web 界面与 SPARTA 代理对战

1. 启动前端服务器（如上所述）。
2. 启动后端服务器（如上所述）。
3. 打开浏览器，访问前端服务器地址，开始与 Hanabi 代理对战。

4、典型生态项目

Hanabi SAD 项目

Hanabi SAD 项目提供了用于训练 Simplified Action Decoder (SAD) 的代码，这是 Hanabi_SPARTA 中使用的最先进的 RL 策略。SAD 模型作为蓝图策略用于 SPARTA 代理的搜索过程中。

The Hanabi Project

Hanabi_SPARTA 中的 Hanabi 服务器和启发式代理是从 The Hanabi Project 项目中 fork 出来的。The Hanabi Project 提供了 Hanabi 游戏的基本实现和一些启发式代理。

通过这些生态项目，Hanabi_SPARTA 构建了一个完整的 Hanabi AI 研究平台，涵盖了从基础游戏实现到高级 AI 策略的各个方面。

Hanabi_SPARTA Research code implementing the search AI agent for Hanabi, as well as a web server so people can play against it 项目地址: https://gitcode.com/gh_mirrors/ha/Hanabi_SPARTA