- 2021.11.13 我们正在举办一场竞赛 —— 2021“AI球球大作战：Go-Bigger多智能体决策智能挑战赛”. 快来参与吧！
多智能体对抗是决策AI中重要的一部分，也是一个非常具有挑战性的难题。为了丰富多智能体对抗环境，OpenDILab研发了一款多智能体对抗竞技游戏，即GoBigger。本次大赛旨在探索多智能体博弈的研究，推动决策智能相关领域的技术人才培养，从而打造“全球领先”、“原创”、“开放”的决策AI开源技术生态。
本次大赛需要参赛选手提交他们的智能体以参加评测。我们会返回智能体的评测分数，以帮助参赛选手对提交的智能体的性能能有更正确的认识。在比赛的最后阶段，我们会对提交的智能体进行公平且完全的测试，并对各参赛队伍进行最终排名。
本次竞赛采用 Go-Bigger 作为游戏环境。Go-Bigger 是一款多人组队竞技游戏。更多细节请参考 Go-Bigger 文档。在游戏中，每支竞赛参赛队伍控制游戏中一支队伍（每支队伍由多个玩家组成）。竞赛参赛队伍需要通过提交智能体的方式，来对游戏中的某个队伍及其所包含的玩家进行控制，通过团队配合来获取更高的分数，从而在游戏中取得更高的排名。
竞赛为所有参赛者提供了示例代码，具体可以查看 submit。同样，竞赛也提供了一些基础代码，参赛者可以在此基础上实现对应的方法，从而得到对应的提交。
竞赛提供的 BaseSubmission 内容如下：
class BaseSubmission:
def __init__(self, team_name, player_names):
self.team_name = team_name
self.player_names = player_names
def get_actions(self, obs):
'''
Overview:
You must implement this function.
'''
raise NotImplementedError注意，所有的提交都应当继承 BaseSubmission 类，提交的类名称应当为 MySubmission。竞赛将会为每个提交提供 team_name 和 player_names 作为类的输入参数。team_name 代表的是该提交所控制的队伍的名称，在每一场比赛都会不一样。player_names 代表当前队伍中的所有控制的玩家的名称。竞赛在评测用户提交的时候会调用 get_actions() 以获取该提交在当前帧的 action。get_actions() 方法以 obs 作为输入（与 tutorial 相似）。例如，一个简单的 obs 例子如下：
global_state, player_state = obsgloabl_state 包含地图尺寸，总时间，已持续时间，以及排行榜等信息。具体如下：
{
'border': [map_width, map_height], # the map size
'total_time': match_time, # the duration of a game
'last_time': last_time, # the length of time a game has been played
'leaderboard': {
team_name: team_size
} # the team with its size in this game
}player_state 包含玩家channel信息，玩家视角所在位置，玩家视角内所有出现的单位信息，当前玩家所属队伍名称。具体如下:
{
player_name: {
'feature_layers': list(numpy.ndarray), # features of player
'rectangle': [left_top_x, left_top_y, right_bottom_x, right_bottom_y], # the vision's position in the map
'overlap': {
'food': [[position.x, position.y, radius], ...],
'thorns': [[position.x, position.y, radius], ...],
'spore': [[position.x, position.y, radius], ...],
'clone': [[[position.x, position.y, radius, player_name, team_name], ...],
}, # all balls' info in vision
'team_name': team_name, # the team which this player belongs to
}
}
需要注意的是，竞赛只会为当前提交提供属于他的玩家的信息。例如，当前提交所控制的队伍名下有两个玩家，分别为玩家A和玩家B，同时还有玩家C属于另一队伍，那么该提交能获取到的信息只包含玩家A和玩家B的信息，不会包含玩家C的信息。
在获取到 obs 之后，提交应当返回 actions。一个简单的 actions 样例如下：
{
player_a: actions_a,
player_b: actions_b
}player_a 和 player_b 分别是该提交所控制的玩家名称，即 player_names 中的名称。actions_a 和 actions_b 应当是列表类型，其内容应当与 action-space 中保持一致。
竞赛提供了 RandomSubmission 和 BotSubmission 以供参考。RandomSubmission 返回随机动作，而 BotSubmission 会按照一定的规则返回动作。
此外，竞赛还提供了一个简单的提交流程样例。具体细节请查看 submission_example。用户可以在这个目录下开发自己的提交。开发完成之后，可以通过目录下的测试文件进行测试（python -u test.py），以检测提交是否满足要求，并生成对应的 .tar.gz 文件用于提交。
如果用户想要在提交中使用一些其他材料，例如模型检查点或任何其他文件，请将他们统一放置在 ./supplements 下。
最终提交的 .tar.gz 文件解压后的目录格式如下：
- my_submission
| - __init__.py
| - requirements.txt
| - my_submission.py
| - supplements/
| - checkpoints or other materials
注意，__init__.py 应当是一个空文件。
也许你对我们的比赛还不是很熟悉，但是不用担心，我们提供了一个最简单的提交案例！尝试下面的代码快速生成一个用于提交的 my_submission.tar.gz 吧！
$ cd submit/submission_example
$ python -u test.py
上述的 test.py 会检查你的提交是否正确。如果正确，则会得到以下输出：
Success!
###################################################################
# #
# Now you can upload my_submission.tar.gz as your submission. #
# #
###################################################################
现在你只需要把 my_submission.tar.gz 提交即可！
- 注意：此提交是由随机策略构成的。你可以检查代码并更改策略以获得更好的性能。
我们也基于 DI-engine 实现了一个提交，具体请查看 submission_example_di。用户可以将训练好的ckpt放入supplements下，即可组成一个完整的提交。