Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

DeepMind Lab : 3D AI 学習環境

Posted on 04/19/2017 by Sales Information

DeepMind Lab : 3D AI 学習環境
翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 04/19/2017

* 本ページは、github 上の DeepMind/Labの README.md を動作確認・翻訳した上で適宜、補足説明したものです:
https://github.com/deepmind/lab/blob/master/README.md
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

本文

DeepMind Lab は ioquake3 経由の id Software’s Quake III Arena と 他のオープンソースソフトウェア をベースとする 3D 学習環境です。

DeepMind Lab - Nav Maze Level 1

DeepMind Lab - Stairway to Melon Level

DeepMind Lab - Laser Tag Space Bounce Level (Hard)

DeepMind Lab は学習エージェントのための挑戦的な 3D ナビゲーションとパズル解法タスクを提供します。その主な目的は人工知能、特に深層強化学習における研究のためのテストベッドとしての役割を果たすことです。

 

Linux 上で始めましょう

  • bazel.io から Bazel を取得する。
  • DeepMind Lab を clone します, e.g. by running
    $ git clone https://github.com/deepmind/lab
    $ cd lab
    
  • random エージェントのライブ・サンプルのためには、次を実行します :
    $ bazel run :random_agent --define headless=false -- \
                   --length=10000 --width=640 --height=480
    

    (訳注 : 以下は実行画面の一部を録画したものです。)

 
こちらに幾つか より詳細なビルド・ドキュメンテーション があり、(もしまだならば) 依存部をどのようにインストールするかを含みます。

人としてプレイ (Play as a human)

人の入力コントロールを使用してゲームをテストするためには、次を実行できます :

$ bazel run :game -- --level_script tests/demo_map

(訳注 : 以下は実行画面の一部を録画したものです。インタラクティブになりマウスやカーソルが使用可能となりました。)

エージェントを訓練する

DeepMind Lab は python/random_agent.py でサンプル random agent とともに提供しています、これは学習エージェントを実装するための開始点として使用できます。訓練のためにこのエージェントに DeepMind Lab と相互作用させるためには、次を実行します :

$ bazel run :random_agent

エージェント環境相互作用についての Python API は docs/python_api.md で記述されています。

DeepMind Lab は異なるタスクを実装して異なるレベルで提供しています。これらのタスクは Lua スクリプトを使用して構成可能で、docs/lua_api.md で記述されています。

 

アップストリーム・ソース

DeepMind Lab は ioquake3 ゲームエンジンから構築され、マップ作成にはツール q3map2 と bspc を使用しています。それらのプロジェクトに起因するバグフィックスとクリーンアップはアップストリームで最大限に fix されて DeepMind Lab にマージされています。

  • bspc は github.com/TTimo/bspc から取得され、リビジョンは e6f90a2dc02916aa2298da6ace70a8333b3f2405 です。事実上はローカルでの変更はありませんが、このコードをメインの ioq3 コードと統合して deps ディレクトリのコピーは使用していません。このコードがステーブルであることを期待します。
  • q3map2 は github.com/TTimo/GtkRadiant から取得され、リビジョンは 8557f1820f8e0c7cef9d52a78b2847fa401a4a95 です。2、3のマイナーなローカル変更は同期を追加して C99 を使用して前は可搬性がなかったあるいは定義されていない挙動を置き換える構築をしています。このコードがステーブルであることも期待します。
  • ioquake3 は github.com/ioquake/ioq3 から取得され、リビジョンは 1c1e1f61f180596c925a4ac0eddba4806d1369cd です。このコードは広範囲の変更と追加を含みます。アップストリームの変更を時にマージするつもりです。

これらのレポジトリの保守者に高品質なコードベースを維持するためのハードワーク全てについて多大な感謝をしています。

 

外部依存、前提条件、そして移植ノート

DeepMind Lab は現在ソースコードのみとして提供しています。2、3の外部ソフトウェアライブラリに依存し、これらは幾つかの異なる方法で提供しています :

  • zlib, glib, libxml2, jpeg と png ライブラリは外部 Bazel ソースとして参照され、Bazel BUILD ファイルが提供されます。依存コード自身は公正に可搬ですが、提供する BUILD ルールは x86 上の Linux 特有のものです。異なるプラットフォームでビルドするためにはそれらの BUILD ファイルを編集しなければならない可能性が高いでしょう。
  • Message digest algorithms はこのパッケージに含まれ (in //third_party/md)、それらのそれぞれの RFC のリファレンス実装から取得されました。”generic reinforcement learning API” は //third_party/rl_api に含まれ、これもまた DeepMind Lab 作者により作成されました。このコードは可搬です。
  • 幾つかの追加のライブラリも必要とされますがどのような形でも提供されません; 貴方のシステムに存在しなければなりません :
    • SDL 2
    • Lua 5.1 (以降のバージョンも動作するかもしれません)
    • gettext (glib により必要です)
    • OpenGL: ハードウェア加速された人のプレイにはハードウェア・ドライバとライブラリが必要で、ソフトウェア・レンダリングのためには OSMesa が必要で、headless ライブラリは機械学習エージェントが使用することを望むでしょう。
    • Python 2.7 (他のバージョンも動作するかもしれません)

build ルールは GCC に固有な 2,3 のコンパイラ設定を使用します。幾つかのフラグが貴方のコンパイラで認識されないならば (典型的にはそれらは特定の warning 抑止です)、それらのフラグを編集するべきかもしれません。警告はうるさいですが害はありません。

 

About

Disclaimer: This is not an official Google product.

If you use DeepMind Lab in your research and would like to cite the DeepMind Lab environment, we suggest you cite the DeepMind Lab paper.

You can reach us at lab@deepmind.com.

 

以上

クラスキャット

最近の投稿

  • LangGraph 0.5 on Colab : Get started : クイックスタート
  • LangGraph on Colab : SQL エージェントの構築
  • LangGraph on Colab : マルチエージェント・スーパーバイザー
  • LangGraph on Colab : エージェント型 RAG
  • LangGraph : 例題 : エージェント型 RAG

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (24) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Graphics (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2017年4月
月 火 水 木 金 土 日
 12
3456789
10111213141516
17181920212223
24252627282930
« 3月   5月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme