Farama-Foundation/Minigrid

해결하는 문제

Minigrid는 강화 학습(RL) 연구를 위해 설계된 가볍고 빠르며 커스터마이징 가능한 이산적 그리드 월드 환경 모음을 제공합니다. 연구자는 복잡한 물리 시뮬레이터의 계산 오버헤드 없이 단순화된 2D 맵에서 에이전트를 테스트할 수 있습니다.

작동 방식

이 라이브러리는 Gymnasium 표준 API를 사용하여 삼각형 모양의 에이전트가 2D 맵을 탐색하는 환경을 제공합니다. 에이전트는 벽, 용암 및 동적 장애물과 같은 장애물과 상호 작용합니다. 작업은 에이전트를 안내하는 "mission" 문자열에 의해 정의됩니다(예: 상자 집기 또는 열쇠로 문 열기). 다음 두 가지 주요 환경 그룹이 포함되어 있습니다:

• Minigrid: 표준 목표 지향적 및 계층적 미션.
• BabyAI: 접지된 언어 학습에 초점을 맞춘 환경으로, 합성된 자연어 지침(예: "왼쪽 상자 옆에 빨간 공을 놓으세요")을 제공합니다.

대상

주로 탐색, 작업 완료 및 접지된 언어 이해에 대한 에이전트의 벤치마크를 위해 제어되고 효율적인 환경이 필요한 RL 연구자 및 개발자를 위한 것입니다.

주요 특징

• Gymnasium API: RL 환경을 위한 업계 표준 API와 완전히 호환됩니다.
• 커스터마이징 가능: 환경의 크기와 복잡성을 프로그래밍 방식으로 조정할 수 있어 커리큘럼 학습에 이상적입니다.
• 접지된 언어 지원: BabyAI를 통해 에이전트가 복잡한 자연어 명령을 따르도록 훈련할 수 있습니다.
• 경량화: 고속 실행 및 빠른 반복을 위해 설계되었습니다.