Ein Multi-Agenten Neuro-Ökosystem, in dem KI-Roboter (Sammler & Jäger) in Echtzeit Überlebensstrategien erlernen. "Fressen und Gefressen werden!"
Dieses Projekt wurde mit KI-Agenten (Antigravity & Google KI) in extrem kurzer Zeit konzipiert und demonstriert eindrucksvoll die Macht von Neuroevolution of Augmenting Topologies (NEAT) in einer selbst geschriebenen Pygame-Physik-Umgebung.
🌐 Mehr Informationen & Video-Showcase: Mein KI-Portfolio & Entwickler-Blog besuchen
- Co-Evolution: Zwei Populationen (Grüne Sammler vs. Rote Jäger) trainieren gleichzeitig in einem evolutionären Wettrüsten gegeneinander.
- Raycasting-Sensorik: Roboter "sehen" ihre Umgebung mittels Laser-Strahlen (inkl. Wände, Batterien, Jäger und andere Sammler).
- Stufe 5 - Schwarmintelligenz: Roboter können sich gegenseitig wahrnehmen ("Selfish-Herd"-Verhalten) und verfügen über ein Radio-Netzwerk (Antennen) zur aktiven Kommunikation von Gefahren.
- Turbo-Modus: Die Grafik-Ausgabe kann abgeschaltet werden, um tausende Generationen in Minuten durch das SpatialGrid und Numba-JIT Raycasting zu jagen.
- Brain Viewer: Eine interaktive Live-Ansicht des neuronalen Netzes (inklusive Live-Kommentar-Strategieanalyse) für die Champions der "Hall of Fame".
- Python 3.12+
- Pygame (Rendering & UI)
- neat-python (Neuroevolution)
- Numba (JIT-Kompilierung für hochperformante Raycasting-Berechnungen)
- Matplotlib (Live-Visualisierung der Fitness-Graphen)
-
Repository klonen:
git clone https://github.com/tnickel/RoboterEvolution.git cd RoboterEvolution -
Abhängigkeiten installieren:
pip install -r requirements.txt
-
Simulation starten:
python main.py # oder einfach über die start.bat
- Beim Start öffnet sich das Konfigurationsmenü. Hier können alle Physik- und Fitness-Regeln definiert werden.
- WICHTIG: Wenn du die Topologie veränderst (z.B. mehr Sensor-Strahlen), lösche zwingend vorher die "Hall of Fame"!
- Drücke "T" während der Simulation, um den Turbo-Modus für rasant schnelles Training zu aktivieren.
- Klicke im Konfigurationsmenü auf "Hall of Fame", um die Gehirne der besten Roboter aller Zeiten im Brain Viewer zu analysieren!
💡 Entwickelt von Thomas Nickel - AI Software Architect