Dino Reinforcement Learningは、強化学習を通じてChromeの恐竜ゲームをプレイするAIエージェントの訓練に必要なツールキットを提供します。Seleniumを介してヘッドレスChromeインスタンスと連携し、リアルタイムのゲームフレームをキャプチャして深層Qネットワークの入力に最適化された状態表現に処理します。フレームリプレイ、イプシロン貪欲探索、畳み込みニューラルネットワークモデル、カスタマイズ可能なハイパーパラメータを持つトレーニングループなどのモジュールが含まれます。トレーニング進行状況はコンソールログで確認でき、チェックポイントを保存して後で評価できます。トレーニング後、エージェントは自律的にライブゲームをプレイしたり、異なるモデルアーキテクチャと比較評価したりできます。モジュール設計により、異なるRLアルゴリズムへの置き換えも容易です。

mini-agiは、最小限でモジュール式のフレームワークを提供することで、自律型AIエージェントの作成を容易にします。Pythonで書かれ、OpenAIの言語モデルを活用して高レベルの目標を解釈し、それをサブタスクに分解し、HTTPリクエストやファイル操作、カスタムアクションなどのツール呼び出しを調整します。フレームワークには、エージェントの状態と結果を追跡するメモリストレージ、コストに基づくヒューリスティックによるタスク分解用のプランナーモジュール、そしてツールを順次呼び出すエグゼキューターモジュールが含まれます。設定ファイルを使用して、カスタムツールを注入したり、プロンプトテンプレートを定義したり、計画深度を調整可能です。mini-agiの軽量アーキテクチャは、研究クエリの実行、自動化ワークフロー、コードの自律生成を行うAIエージェントのプロトタイプに最適です。