MultiAgentLearning/playground

Help wanted

Offen

#202 geöffnet am 05.03.2019

Auf GitHub ansehenContributor Guide
 (6 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (215 Forks)batch import
enhancementhelp wanted

Repository-Metriken

Stars
 (728 Sterne)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Here are three implementations that the community would really appreciate:

  1. Add in the flames and the direction of movement to the observation: This is here because the top competitors all recreated it.

  2. Make a history function that returns all the states that this agent experienced and an ability to start from any of these states: This is here because it helps a lot with debugging agents and understanding where they are going wrong.

  3. Make a doc that details how agents move: This is here because a lot of folks ask about it and it's an imperative to understand before building an agent in earnest.

Contributor Guide

Research-Richtung
Das Issue fordert drei Funktionen: (1) Flammen und Bewegungsrichtung zu Beobachtungen hinzufügen, (2) eine Verlaufsfunktion zum Wiedergeben von Agentenzuständen implementieren, (3) Agentenbewegung dokumentieren. Für Funktion 1, untersuchen Sie den Beobachtungs Rendering Code im Umweltmodul. Für Funktion 2, erwägen Sie eine Datenstruktur zum Speichern von Zuständen und einen Wiedergabemechanismus. Für Funktion 3, dokumentieren Sie die in der step Funktion der Umgebung sichtbare Bewegungslogik. Prüfen Sie vorhandene Kommentare auf Teilimplementierungen oder Diskussionen.
Tech Stack
python
Domain
machine learningai
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
Pythonreinforcement learning basics
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
65