Agente de aprendizado por reforço open source para GuanDan competitivo, um jogo de cartas em duplas com quatro jogadores, com uma mesa web jogável.
DanKS é uma base de código de pesquisa para criar jogadores de IA para GuanDan, um jogo de cartas em duplas com quatro jogadores e informação oculta. O agente classifica as jogadas legais primeiro recuperando ações candidatas estruturadas, depois avaliando como cada jogada afeta as combinações restantes na mão e, por fim, aprendendo a escolher com uma rede Actor-Critic condicionada ao estado e às ações candidatas, treinada com PPO e GAE.
O repositório está organizado em três gerações de IA (V1, V2, V3), além de um pacote V3Pro para refinamento de inferência que adiciona proteção de assets, regras para jogadas equivalentes e busca no fim da partida sem retreinamento. Também inclui o KSPlay GuanDan Service em duas versões: um backend de salas baseado em navegador, um árbitro e um frontend que podem ser executados localmente com bots de exemplo baseados em regras e aceitar IAs externas por uma interface HTTP.
O projeto contém um link para um dataset público de partidas de GuanDan disputadas por humanos, mantido em um repositório irmão, e oferece exemplos de recuperação, inferência de modelos e integração com V3Pro usando entradas sintéticas. Os pesos treinados e a infraestrutura privada de execução do serviço não estão incluídos.
Clone o repositório
git clone https://github.com/Calix-L/DanKS.gitAcesse o diretório service e crie um ambiente virtual com Python 3.12
cd DanKS/services/v2 && python3.12 -m venv .venv && source .venv/bin/activateInstale os requisitos e compile o arranger
python -m pip install -r requirements.txt && python scripts/build_arranger.pyInicie a tabela local e, em seguida, abra http://127.0.0.1:8000/solo
python run.pyResumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
O Unity ML-Agents Toolkit permite usar jogos e simulações Unity como ambientes para treinar agentes de IA com aprendizado por reforço e por imitação.
Modelo open source de geração interativa de vídeos de jogos que transforma uma imagem de referência e comandos de teclado ou mouse em vídeos de gameplay controláveis.
Um livro introdutório e conciso sobre aprendizado por reforço, dos conceitos básicos a algoritmos aplicados, com implementações em PyTorch no repositório.
GUI em grafo de nós, API e backend para executar modelos de difusão localmente e gerar imagens, vídeos, áudio e conteúdo 3D.
Biblioteca Python que executa LLMs grandes camada por camada, permitindo inferência com modelos da classe 70B em uma única GPU de 4 GB, sem quantização.
Modelos generativos de vídeo open source em larga escala para texto para vídeo, imagem para vídeo, fala para vídeo e animação de personagens.