MultiAgentLearning/playground

Help wanted

Ouverte

#202 ouverte le 5 mars 2019

Voir sur GitHubGuide contributeur
 (6 commentaires) (0 réaction) (0 personne assignée)Python (215 forks)batch import
enhancementhelp wanted

Métriques du dépôt

Stars
 (728 étoiles)
Métriques de merge PR
 (Aucune PR mergée en 30 j)

Description

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.

Guide contributeur

Direction de recherche
La demande concerne trois fonctionnalités : (1) ajouter des flammes et une direction de mouvement aux observations, (2) implémenter une fonction d'historique pour rejouer les états des agents, (3) documenter le mouvement des agents. Pour la fonctionnalité 1, examinez le code de rendu des observations dans le module d'environnement. Pour la fonctionnalité 2, envisagez une structure de données pour stocker les états et fournir un mécanisme de relecture. Pour la fonctionnalité 3, documentez la logique de mouvement visible dans la fonction step de l'environnement. Vérifiez les commentaires existants pour toute implémentation partielle ou discussion.
Stack technique
python
Domaine
machine learningai
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
Pythonreinforcement learning basics
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
65