Bezplatná výuková laboratoř AI. Navrhněte zvířecí tělo a nechte neuronové sítě objevit pohyb prostřednictvím generací zkoušek. Prozkoumejte, jak vstupy, kontrola a vyhodnocení ovlivňují chování. Ukládejte, porovnávejte a sdílejte výsledky.

Abyste si mohli tento produkt přidat do seznamu přání, začít ho sledovat nebo ho zařadit mezi ignorované, musíte se nejprve přihlásit.

Čeština není podporována

Tento produkt nepodporuje Váš místní jazyk. Seznam podporovaných jazyků je k dispozici níže na této stránce.

Tato hra prozatím není dostupná ve službě Steam

Zanedlouho vychází

Máte zájem o tento produkt?
Přidejte si ho do seznamu přání, ať nepropásnete vydání.
 

Informace o hře

Zviditelnit proces učení AI

Kočka má tělo, klouby a aktuátory. Nyní musí najít způsob, jak se pohybovat vpřed.

Jeho první pokusy mohou být neobratné: končetiny si vzájemně překážejí, ztrácí se rovnováha a velké úsilí neprodukuje téměř žádný pohyb. Po mnoha generacích zkoušek začnou některé akce produkovat užitečné přemístění. Některé kontrolní strategie jsou zachovány a mohou se objevit nové způsoby pohybu.

AI Learning Simulator je bezplatná tréninková a pozorovací hra založená na fyzice. Navrhujte těla, upravujte parametry, spouštějte školení a sledujte, jak neuronové sítě hledají efektivní chování v rámci omezení těla a jeho prostředí.

Každé vylepšení se může stát konkrétním experimentem v umělé inteligenci.

Navrhněte tělo a sledujte, jak se učí

Začněte s kočkou, slonem, žirafou, koněm nebo dvounohou postavou. Upravujte velikost, proporce končetin a hmotnost nebo podrobněji měňte kostní segmenty, klouby a upevňovací body aktuátorů.

Tyto parametry přímo mění problém učení.

Delší nohy mění jak rozsah pohybu, tak podmínky pro rovnováhu. Těžší tělo zvyšuje zátěž. Pohybem upevňovacích bodů pohonu se změní jeho momentové rameno kolem kloubu. Stejný ovladač může produkovat velmi odlišné výsledky v různých tělech.

Pohyb vzniká souhrou stavby těla, schopností aktuátorů a strategie řízení.

Kostra definuje, jak se může tělo pohybovat, akční členy dodávají sílu a neuronová síť organizuje řídicí signály ze svých vstupů. Textury dodávají postavě její vzhled; pohyb se musí osvědčit ve fyzické simulaci.

Jak neuronová síť mění stavy v akce

V současném modelu řízení hry dostává síť relativní vysunutí každého lineárního aktuátoru. Tyto číselné hodnoty slouží k pozorování stavu těla.

Hodnoty procházejí spojeními s různou váhou. Neurony mají také hodnoty biasu a aktivační funkce. Pro jeden neuron lze výpočet chápat takto:

Výstup = aktivační funkce (Σ(vstup × váha spojení) + bias)

Váhy určují vliv každého vstupu. Bias posouvá reakci neuronu. Aktivační funkce umožňují síti vytvářet složitější, nelineární vztahy.

Uzly a připojení spolupracují na vytváření řídicích výstupů pro akční členy. Změna parametrů sítě mění, jak tělo reaguje na stejný stav.

Každá zvednutá noha, okamžik opory nebo ztráta rovnováhy odpovídá sekvenci numerických výpočtů a fyzické zpětné vazbě.

Pohyb se formuje prostřednictvím nepřetržité zpětné vazby

Kontrola nekončí po jediném výpočtu.

Stavy aktuátorů vstupují do sítě. Vytváří řídicí signály. Akční členy pohybují klouby. Na tělo působí gravitace a kontakt se zemí. Výsledný stav se stává vstupem pro další výpočet.

Tento cyklus pokračuje:

Stav těla → neuronová síť → ovládání aktuátoru → fyzický pohyb → nový stav těla

Účinek výstupu závisí také na aktuálním držení těla, pohybu a podmínkách kontaktu. Stejné ovládání může mít různé důsledky, když noha kývá vzduchem a když se dotýká země.

Rytmus a koordinace chůze se mohou postupně objevit prostřednictvím zpětné vazby mezi kontrolorem, tělem a prostředím. Pozorovat pohyb znamená také pozorovat tuto uzavřenou smyčku při práci.

Jak trénink mění chování

Hra primárně hledá kontrolní strategie prostřednictvím neuroevoluce.

Školení hodnotí populaci kandidátských sítí. S různými ovládacími parametry se každý pokusí o pohyb ve své vlastní fyzické simulaci. Po každé generaci systém porovná výkon, umožní lepším strategiím ovlivnit další generaci a zavede nové pokusy prostřednictvím mutace.

Proces se opakuje:

  • 1. Vytvořte populaci kandidátských kontrolních sítí.
  • 2. Provádějte fyzické zkoušky po pevně stanovenou dobu.
  • 3. Bodujte pohybový výkon.
  • 4. Zachovat některé lepší strategie a vytvořit upravené sítě.
  • 5. Otestujte znovu a pokračujte v porovnávání.

Změny mohou ovlivnit váhy spojení a hodnoty biasu neuronů nebo přidat uzly a spojení. Součástí vyhledávání může být i samotná struktura sítě.

Důležitý rozdíl: během pokusu regulátor opakovaně počítá se svými aktuálními parametry. Trénink mezigeneračně hledá nové parametry selekcí a mutací.

Pohybující se znak ukazuje právě prováděnou strategii. Rozdíly mezi generacemi ukazují výsledky tréninku.

Co se naučí, závisí na tom, jak to vyhodnotíme

Současným základním úkolem je posunout se co nejdále vpřed ve stanoveném čase. Výkon se hodnotí především podle nejvzdálenější horizontální polohy, které postava dosáhla.

Tento jednoduchý cíl může přinést mnoho zajímavých pozorování.

Jít dále nemusí nutně znamenat pohybovat se přirozeněji. Dobrý výkon v krátkém testu nezaručuje stabilitu během delšího testu. Síla a energie omezují akce, ale vzdálenost, elegance pohybu a energetická účinnost zůstávají odlišnými cíli.

Školení posouvá námi definovanou metriku ke zlepšení. Zda tato metrika plně odpovídá našim očekáváním, je otázkou pro osobu, která experiment navrhuje.

Když se objeví neočekávaný pohyb, ohlédněte se zpět: jaké vstupy jsme poskytli, jaké akce jsme povolili a jaká pravidla jsme použili k definování úspěchu?

Pochopení těchto otázek je součástí porozumění umělé inteligenci.

Učení se může zastavit a je omezeno jeho podmínkami

Pokrok během tréninku je zřídka stejný.

Někdy se celá dávka pokusů jeví jako neúčinná. Někdy malá změna přináší jasné zlepšení. Jindy může výkon zůstat podobný po mnoho generací.

Velikost populace ovlivňuje počet pokusů, mutace ovlivňuje rozsah průzkumu a stavba těla definuje možný pohyb. Více generací poskytuje více příležitostí k hledání, ale nemůže zaručit, že se každé tělo naučí chodit stabilně.

Více neuronů také automaticky neznamená lepší strategii.

Interpretujte každý výsledek spolu s jeho tělem, schopnostmi aktuátoru, trváním hodnocení a pravidly bodování. Počet generací zaznamenává, kolik kol hodnocení proběhlo; skutečná schopnost musí být stále posuzována podle výkonu.

Změňte podmínky, znovu trénujte a porovnejte výsledky z různých experimentů.

Uložte své experimenty

Hra nabízí kompletní cestu od návrhu po sdílení:

  • Vyberte si šablonu těla: začněte s kočkou, slonem, žirafou, koněm nebo dvounožcem.
  • Upravte tělo a aktuátory: změňte velikost, proporce a hmotnost, upravujte klouby a upevňovací body aktuátorů.
  • Konfigurace školení: upravte velikost populace, trvání hodnocení a parametry vývoje a sledujte jejich účinky.
  • Kontrola výkonu: sledujte strukturu sítě, signály aktuátorů, skóre pohybu a generace školení.
  • Uložte a pokračujte v tréninku: zachovejte konfiguraci těla a nejlepší strategii, identifikujte výsledky pomocí miniatur zvířat a kumulativních počtů generací a poté prozkoumejte dále od uložené strategie.
  • Pozorujte a porovnávejte na jedné obrazovce: přehrajte nezávisle naučené strategie dvou postav a porovnejte různá těla nebo ovladače.
  • Změňte vzhled a sdílejte: použijte šablony kůže zvířat, lidí a obrázkových knih. Stáhněte si nebo nahrajte vzhledy a trénované výsledky prostřednictvím Steam Workshop.

Hra obsahuje kočičí strategii vycvičenou celkem 280 generacemi. Přehrajte si ji přímo nebo ji použijte jako výchozí bod pro další trénink a sledujte, jaké změny.

Pokusy kočky odhalují malou část učení AI

Ve scénách měsíčního svitu, hvězdné oblohy a pšeničných polí z obrázkové knihy si dejte na čas pozorováním kontrolní strategie nebo předělejte tělo a začněte svůj vlastní experiment.

Zdánlivě jednoduchý pohyb vpřed spojuje kódování vstupu, neurální výpočet, dynamiku těla, pravidla hodnocení a pravděpodobnostní vyhledávání.

Doufáme, že tato bezplatná hra promění abstraktní pojmy v procesy, které můžete opakovaně pozorovat, upravovat a testovat. Vytvořte si vlastní úsudek: jaké informace systém dostává, jaké akce může podniknout a za jakých podmínek se objevuje efektivní chování?

Vyvinuto společností Magiccat a je k dispozici zdarma. Školení probíhá lokálně na vašem počítači. Funkce Steam Workshop vyžadují přihlášení ke službě Steam.

Informace o obsahu vytvářeném AI

Jak využití obsahu vytvářeného AI v tomto produktu popisují jeho vývojáři:

This game uses AI-generated art assets.

Systémové požadavky

    Minimální:
    • Vyžaduje 64bitový procesor a operační systém
    • OS: Windows 10 64-bit
    • Procesor: Intel Core i5-3470 或 AMD FX-8350
    • Paměť: 300 MB RAM
    • Grafická karta: NVIDIA GeForce GTX 660 或 AMD Radeon HD 7870
    • Pevný disk: 1 GB volného místa
    • Zvuková karta: DirectX compatible sound card
    Doporučené:
    • Vyžaduje 64bitový procesor a operační systém