HIVEX: A High-Impact Environment Suite for Multi-Agent Research (extended version)

要約

ゲームは、エージェントベースの研究を急速に発展させるための重要なテストベッドです。
過去に目覚ましい進歩が達成されましたが、その研究結果が現実世界の問題に対応できるかどうかは不明です。
圧力が高まる一方で、最も重大な生態学的課題のいくつかは、テクノロジーとその応用を通じて緩和および予防の解決策を見つけることができます。
現実世界のほとんどのドメインにはマルチエージェント シナリオが含まれており、マシン間および人間とマシンのコラボレーションが必要です。
オープンソース環境は進歩しておらず、おもちゃのシナリオであることが多く、抽象的すぎるか、マルチエージェントの研究には適していません。
現実世界の問題を模倣し、環境の複雑さを増すことで、最先端のマルチエージェント研究を前進させ、研究者が当面の現実世界の問題に取り組むよう促したいと考えています。
ここでは、生態学的課題に焦点を当てたマルチエージェント研究のベンチマークとなる環境スイートである HIVEX を紹介します。
HIVEX には、風力発電所制御、山火事資源管理、ドローンベースの植林、海洋プラスチック収集、および空中山火事抑制の環境が含まれます。
メインタスクとサブタスクの環境、トレーニング例、ベースラインを提供します。
この作業の実験から得られたすべてのトレーニング済みモデルは、Hugging Face でホストされています。
また、Hugging Face のリーダーボードも提供しており、コミュニティが環境スイートでトレーニングされたモデルを提出することを奨励しています。

要約(オリジナル)

Games have been vital test beds for the rapid development of Agent-based research. Remarkable progress has been achieved in the past, but it is unclear if the findings equip for real-world problems. While pressure grows, some of the most critical ecological challenges can find mitigation and prevention solutions through technology and its applications. Most real-world domains include multi-agent scenarios and require machine-machine and human-machine collaboration. Open-source environments have not advanced and are often toy scenarios, too abstract or not suitable for multi-agent research. By mimicking real-world problems and increasing the complexity of environments, we hope to advance state-of-the-art multi-agent research and inspire researchers to work on immediate real-world problems. Here, we present HIVEX, an environment suite to benchmark multi-agent research focusing on ecological challenges. HIVEX includes the following environments: Wind Farm Control, Wildfire Resource Management, Drone-Based Reforestation, Ocean Plastic Collection, and Aerial Wildfire Suppression. We provide environments, training examples, and baselines for the main and sub-tasks. All trained models resulting from the experiments of this work are hosted on Hugging Face. We also provide a leaderboard on Hugging Face and encourage the community to submit models trained on our environment suite.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google