mario-ai는 NeuroEvolution of Augmenting Topologies(NEAT)를 활용하여 Super Mario Bros.를 플레이할 수 있는 신경망 기반 AI 에이전트를 진화시키는 오픈소스 Python 프레임워크입니다. OpenAI Gym의 SuperMario 환경과 통합되어 있으며, 커스터마이징 가능한 적합도 함수, 실시간 훈련 시각화, 유전체 저장/로드, 성능 모니터링 기능을 제공합니다. 사용자는 돌연변이 파라미터를 조정하고, 평가 기준을 정의하며, 학습된 네트워크 토폴로지를 시각화할 수 있습니다.
이 도구 홍보하기
이 도구 업데이트하기
mario-ai
mario-ai는 NeuroEvolution of Augmenting Topologies(NEAT)를 활용하여 Super Mario Bros.를 플레이할 수 있는 신경망 기반 AI 에이전트를 진화시키는 오픈소스 Python 프레임워크입니다. OpenAI Gym의 SuperMario 환경과 통합되어 있으며, 커스터마이징 가능한 적합도 함수, 실시간 훈련 시각화, 유전체 저장/로드, 성능 모니터링 기능을 제공합니다. 사용자는 돌연변이 파라미터를 조정하고, 평가 기준을 정의하며, 학습된 네트워크 토폴로지를 시각화할 수 있습니다.
추천
mario-ai란?
mario-ai 프로젝트는 신경진화를 이용하여 Super Mario Bros.를 마스터할 AI 에이전트를 개발하기 위한 포괄적인 파이프라인을 제공합니다. Python 기반 NEAT 구현과 OpenAI Gym의 SuperMario 환경을 통합하여, 사용자들이 맞춤형 적합도 기준, 돌연변이율, 네트워크 토폴로지를 정의할 수 있도록 지원합니다. 훈련 동안, 이 프레임워크는 신경망의 세대를 평가하고, 우수한 유전체를 선택하며, 게임 플레이와 네트워크 진화의 실시간 시각화를 제공합니다. 또한, 훈련된 모델의 저장 및 로드, 챔피언 유전체의 내보내기, 상세 퍼포먼스 로그 생성도 가능합니다. 연구자, 교육자, 취미 연구자들은 코드를 다른 게임 환경으로 확장하고, 진화 전략 실험과 다양한 레벨별 AI 학습 진행상태 벤치마킹이 가능합니다.
mario-ai을 사용할 사람은?
- AI 연구자
- 게임 AI 취미 사용자
- 교육자
- AI 학생
- 진화 알고리즘 애호가
mario-ai 사용 방법은?
- Step 1: GitHub에서 mario-ai 저장소를 클론하세요.
- Step 2: pip install -r requirements.txt 와 gym-super-mario-bros로 의존성 설치.
- Step 3: config-feedforward.txt에서 NEAT 파라미터를 설정하여 적합도와 돌연변이 환경을 조정하세요.
- Step 4: 훈련 스크립트(python train.py)를 실행하여 AI 에이전트의 진화를 시작하세요.
- Step 5: 제공된 스크립트로 훈련 지표를 모니터링하고 신경망을 시각화하세요.
- Step 6: 만족스럽다면 가장 좋은 유전체를 저장하고 python play.py로 AI의 플레이를 관찰하세요.
플랫폼
- mac
- windows
- linux
mario-ai의 핵심 기능 및 장점
핵심 기능
- NEAT 기반 신경진화
- OpenAI Gym SuperMario와의 통합
- 커스터마이징 가능한 적합도 함수
- 실시간 훈련 시각화
- 유전체 모델 저장/로드
- 성능 기록 및 내보내기
장점
- 자동 게임 플레이 AI
- 높이 커스터마이징 가능한 진화 파라미터
- 신경진화 교육 도구
- 오픈소스 및 확장 가능
- 쉬운 모델 평가와 시각화
mario-ai의 주요 사용 사례 및 애플리케이션
- 신경진화 교육 데모
- 진화적 게임 AI 연구
- AI 성능 벤치마크
- 엔터테인먼트를 위한 게임 플레이 봇 제작
- 커스터마이즈가 가능한 적합도 함수 실험
mario-ai의 자주 묻는 질문
mario-ai 회사 정보
- aleju
mario-ai 리뷰
5/5
mario-ai의 주요 경쟁자와 대안은?
- marI/O by SethBling
- NEAT-Python
- OpenAI Gym Retro
당신은 또한 좋아할 수 있습니다：
1.5M
14.58% AI 디자인 에이전트가 워크플로우를 자동화하여 이미지, 비디오, 3D 모델을 최대 10배 빠르게 생성합니다.
77.6K
18.77% Flowith는 무료 🍌Nano Banana Pro 및 기타 효과적인 모델을 제공하는 캔버스 기반 에이전트 워크스페이스입니다...
594
100.00% Phoenix AI Assistant는 지능형 자동화 및 개인화된 지원을 통해 작업을 간소화하는 데 도움을 줍니다.
--
Minimax 및 Monte Carlo Tree Search를 사용하여 Azul에서 타일 배치 및 점수 최적화를 수행하는 AI 에이전트입니다.
--
DeepMind의 PySC2 환경을 활용하는 PPO 기반 오픈소스 강화학습 에이전트로 StarCraft II를 훈련 및 플레이합니다.
36
100.00% SoccerAgent는 다중 에이전트 강화 학습을 사용하여 현실적인 축구 시뮬레이션과 전략 최적화를 위한 AI 선수를 훈련합니다.
--
PySC2를 통한 StarCraft II에서 원시 수준의 에이전트 제어와 협력을 가능하게 하는 오픈 소스 다중 에이전트 강화학습 프레임워크.
--
PyGame Learning Environment는 고전 게임에서 AI 에이전트를 훈련하고 평가하기 위한 Pygame 기반 RL 환경 모음을 제공합니다.
--
BotPlayers는 강화 학습 지원이 포함된 AI 게임 플레이 에이전트의 생성, 테스트 및 배포를 가능하게 하는 오픈 소스 프레임워크입니다.
--
Gomoku Battle은 개발자가 고모쿠 게임에서 AI 에이전트를 생성, 테스트, 경쟁할 수 있게 하는 Python 프레임워크입니다.
--
JADE를 사용하는 다중 에이전트 축구 시뮬레이션으로, AI 에이전트들이 협력하여 축구 경기를 자율적으로 경쟁합니다.