google-deepmind/meltingpot

What it solves

Melting Pot은 다중 에이전트 강화 학습(MARL)을 위한 표준화된 벤치마크를 제공합니다. 이는 AI 에이전트가 협력, 경쟁, 신뢰와 같은 사회적 행동을 훈련 중에 접하지 못한 새로운 상황과 낯선 개인에게 일반화할 수 있는지 평가하는 문제를 해결합니다.

How it works

이 프로젝트는 에이전트 훈련을 위한 "substrates"라고 불리는 다중 에이전트 게임 세트(50개 이상 사용 가능)를 제공합니다. 일반화 능력을 테스트하기 위해 256개 이상의 고유한 테스트 시나리오를 제공합니다. 이러한 홀드아웃(held-out) 시나리오에서 에이전트를 평가함으로써, 연구자들은 에이전트가 낯선 파트너와 얼마나 잘 상호작용하고 상호 의존적인 사회적 상황에서 얼마나 잘 수행하는지를 정량화할 수 있으며, 이를 통해 다양한 MARL 알고리즘의 순위를 매길 수 있습니다.

Who it’s for

이 프로젝트는 에이전트의 견고성(robustness)과 사회적 일반화 능력을 테스트할 엄격한 방법이 필요한 다중 에이전트 강화 학습 및 사회적 AI 연구자들을 위해 설계되었습니다.

Highlights

• Over 50 training substrates (multi-agent games).
• Over 256 unique test scenarios for evaluation.
• Tests a wide range of social interactions including deception, reciprocation, and stubbornness.
• Built on top of DeepMind Lab2D.