Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
BARK는 자율 주행을 위한 시맨틱 시뮬레이션 프레임워크입니다. 행동 모델 중심의 설계로 인해 다양한 의사 결정 알고리즘의 개발, 학습 및 벤치마킹이 용이하며, 특히 강화학습과 같은 고비용 작업에 적합합니다. Python PIP 패키지를 통해 쉽게 설치하고 사용할 수 있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Research의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기$${ ext{BARK는 더 이상 활발하게 개발 및 유지보수되지 않습니다.}}$$
$${ ext{저작권을 포크(fork)하여 MIT 라이선스 조건 하에 BARK를 계속 사용해 주십시오.}}$$
Ubtuntu-CI Build
Ubtuntu-ManyLinux Build
NIGHTLY LTL Build
CI RSS Build
NIGHTLY Rules MCTS Build
Codacy Badge
BARK는 자율 주행을 위한 시맨틱 시뮬레이션 프레임워크입니다. 행동 모델 중심의 설계 덕분에 다양한 의사 결정 알고리즘의 개발, 학습 및 벤치마킹이 신속하게 가능합니다. 특히 강화학습 (reinforcement learning)과 같이 계산 비용이 많이 드는 작업에 적합합니다. 좋은 시작점으로 IROS 2020의 BARK 튜토리얼 내용을 확인해 보십시오.
대상: 파이썬 행동 모델을 구현하는 Python 개발자 또는 행동 학습에 BARK-ML을 사용하는 ML 과학자
Bark는 Ubuntu 및 MacOS용으로 Python>=3.7부터 PIP 패키지로 제공됩니다. 다음 명령어로 최신 버전을 설치할 수 있습니다.
pip install bark-simulator
Pip 패키지는 기존 행동 모델의 전체 벤치마킹 기능과 Python 내에서 모델을 개발하는 것을 지원합니다.
패키지 설치 후, 예제를 확인하여 BARK 사용법을 점검할 수 있습니다.
| 고속도로 예제 (Highway Example) | 합류 예제 (Merging Example) | 교차로 예제 (Intersection Example) |
|---|---|---|
 |  |  |
대상: C++ 행동 모델을 생성하는 C++ 개발자, 벤치마크를 수행하는 연구원 또는 BARK 기여자
git clone https://github.com/bark-simulator/bark.git을 사용하거나 이 페이지에서 저장소를 다운로드하세요.
그런 다음 BARK 설치 방법의 지침을 따르세요.
BARK 사용 방법에 대한 단계별 지침은 bazel run //docs/tutorials:run을 사용하여 IPython Notebook 튜토리얼을 실행하여 얻을 수 있습니다.
BARK가 어떻게 작동하는지, 그 개념과 사용 사례를 더 자세히 이해하려면 문서화(documentation)를 확인해 보세요.
예제 벤치마크는 과학적 목적으로 BARK를 사용하여 벤치마킹하는 방법을 보여주는 실행 예시입니다.
BARK 생태계는 행동 모델을 개발하고 벤치마킹한다는 공통 목표를 공유하는 여러 구성 요소로 이루어져 있습니다:
BARK를 사용한다면 다음 논문을 인용해 주십시오:
@inproceedings{Bernhard2020,
title = {BARK: Open Behavior Benchmarking in Multi-Agent Environments},
author = {Bernhard, Julian and Esterle, Klemens and Hart, Patrick and Kessler, Tobias},
...
Pull request는 환영합니다. 주요 변경 사항의 경우, 먼저 이슈를 열어 어떤 내용을 변경하고 싶은지 논의해 주십시오.
적절하게 테스트 코드를 업데이트하는 것을 잊지 마세요.
BARK 관련 코드는 MIT 라이선스 하에 배포됩니다.