allenact

allenact

支持多环境与算法的Embodied AI研究框架

AllenAct是一个专为Embodied AI研究设计的开源框架,提供模块化和灵活的学习架构,支持多种环境和算法。其主要特点包括任务抽象、训练序列试验、PyTorch支持和多智能体功能。由Allen Institute for AI开发,提供详尽的文档、教程及预训练模型,为Embodied AI研究提供有效支持。

AllenActEmbodied AIAI2模仿学习深度强化学习Github开源项目

项目介绍:AllenAct

概述

AllenAct 是一个为具身人工智能(Embodied AI)研究设计的开源框架,它强调模块化与灵活性,适应该领域的独特需求。AllenAct 提供了一流的支持,涵盖了不断增加的具身环境、任务和算法,重现了多种最先进的模型,内部还包含广泛的文档、教程、启动代码和预训练模型。这一框架由 Allen 人工智能研究院(AI2)构建并支持,该研究院的使命是通过高影响力的人工智能研究和工程为人类做出贡献。

主要特点

  • 支持多种环境:AllenAct 支持诸如 iTHOR、RoboTHOR 和 Habitat 等具身环境,同时也支持包括 MiniGrid 在内的网格世界。
  • 任务抽象:任务与环境在 AllenAct 中是解耦的,研究人员可以方便地在相同环境中实现多种任务。
  • 多种算法支持:支持各种在线算法,包括 PPO、DD-PPO、A2C、模仿学习和 DAgger,以及离线训练如离线 IL。
  • 序列算法:可以轻松试验不同的训练过程的顺序,这通常是成功策略的关键。
  • 多损失同时训练:可以在训练模型时结合多种损失函数(例如,在优化 PPO 损失时使用外部的自监督损失)。
  • 多代理支持:支持多代理算法和任务。
  • 可视化:内置支持可以轻松可视化代理的第一人称和第三人称视图以及中间模型张量,与 Tensorboard 集成。
  • 预训练模型:提供多个具身人工智能任务的标准代码和模型。
  • 教程与代码:提供启动代码和广泛的教程,以帮助快速入门具身人工智能。
  • PyTorch 的一流支持: 是为数不多的专注于 PyTorch 的强化学习框架之一。
  • 任意动作空间:支持离散和连续动作。

支持的环境、任务与算法

  • 环境:iTHOR、RoboTHOR、Habitat、MiniGrid、OpenAI Gym。
  • 任务:PointNav、ObjectNav、MiniGrid 任务、Gym Box2D 任务。
  • 算法:A2C、PPO、DD-PPO、DAgger、离线模仿学习。

社区贡献

AllenAct 项目欢迎社区的贡献。欲进行改进建议,建议先提交 issue,让开发团队了解您的想法,以便在您投入大量时间前确保建议的改进方向。改进和错误修复应通过拉取请求从您 fork 的代码库提交到项目的 GitHub 仓库。

鸣谢

该项目基于 Ilya Kostrikov 的 pytorch-a2c-ppo-acktr 库构建,并使用了 FAIR 的 habitat-lab 中的一些数据结构。特别感谢 Dustin Schwenk 帮助对该框架的公开发布进行支持。

许可证

AllenAct 采用 MIT 许可证,具体内容请参见项目中提供的 LICENSE 文件。

团队

AllenAct 是由 Allen 人工智能研究所(AI2)的 PRIOR 研究小组成员构建的开源项目。

引用

如果您使用了此框架,请引用相关论文:

@article{AllenAct, author = {Luca Weihs and Jordi Salvador and Klemen Kotar and Unnat Jain and Kuo-Hao Zeng and Roozbeh Mottaghi and Aniruddha Kembhavi}, title = {AllenAct: A Framework for Embodied AI Research}, year = {2020}, journal = {arXiv preprint arXiv:2008.12760}, }

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多