# Meetings für Projekt Speed
## Agenda Allgemein
- Wer hat was gemacht?
- Welche Probleme gibt es?
- Was wird für die nächste Woche geplannt?
- evtl. code Reviews & Pair coding & mergen
## 30.10.2020
### Agenda

- Code mergen

### Aufgaben für nächste Woche
- Vitali: Klassische KI Agent: Adversarial Search
- Daniel: Kostenfunction Reinforcement Learning
- Daniel: Grundsätzliche Kette (Input spielfeld -> Ausgabe Command) mit Neuronalem Netz
- Daniel: Dokumentation der Ansätze mit Papern
- Jannik: Sequentielle Deadlines in Instance
- Jonas: Recherche KI

## 03.11.2020
### Agenda

### Was gemacht?
- Fehler bei CI: C++ compiler nicht installiert für tensaflow

### Problem:
- Evaluations-Metrik: Evaluieren nachdem ein agent getöttet wurde, oder der agent selben ausscheidet.

### Aufgaben
- Vitali: Pipline fixen, alternative für klaissische KI.

## 06.11.20
### Agenda
- Wir brauchen eine Funktion, die aus der "status" Variable eine SpielInstance erstellt.
- Am besten den aktuellen code für Instance => status in eine neue class verschieben und in dieser dann auch die andere richtung implementieren.

### "Erkentnisse"
- Zusatz: Checken ob die Input Größe größer ist als das trainierte Netz: In dem fall wird der Grid zugeschnitten.

# Aufgaben
- Daniel: Evaluation Funktion
- Vitali: Monte Carlo Search Tree
- Jannik: Simple Agent

# 13.11.20
- MCTS verwerfen, da zu aufwendig über die go implementierung und python zu wennig performance, Evtl. am ende wenn noch zeit bleibt.

- Probleme: Tensorflow kann nicht "thread" aufgruffen werden.

# Aufgaben
- Vitali: Problem mit: Multithreadthing mit Tensorflow.
- Daniel: Metriken, Video, Speicher & Ladefunktion für Netzwerke
- Jonas: Dokumentation (Adversarial (Minimax), MCTS, NN), game.py eleganter lösen

# 20.11.20
## Probleme
- aurora läuft unendlich -> model nicht geladen?
- mit q learning predicten, wie viel schritte das netz noch überlebt.
- muster: welche schritt wie effektiv

# Aufgaben:
- Vitali: Dokumentation: MCTS, Idee, und warum verworfen.
- Vitali: rocm zum laufen kriegen.
- model zum laufen bekommen im kontext vom speed programm ausführbar machen.
- Daniel: selbstlernende Metrik
- Jonas: Zwischenstand-Abgabe, Alpha-Agent

# 27.11.20
## Probleme
- Inputs: drei Map varianten als Input in das Netz geben:
- A: nur der die **gegnerischen** Kopf auf der Map
- B: die tails-map. gegner und eigenen
- C: eigene position
- Evtl. zusätzlich direction,speed,etc
# Aufgaben:
- ~~Vitali: MCTS Dokumentation~~ -> ergänzungen hinzufügen
- Vitali: Map aufteilen in A und B und C
- Vitali: Zuschneiden wenn map zu groß ist, statt skalieren.
- H*Z (H: History, Z: Map-Type mit H=3, Z=3) Map aufteilung.
- Kopf als speed Wert in A Map angeben.
- Daniel: selbstlernende Metrik
- Jonas: Zwischenstand-Abgabe, Alpha-Agent

# 11.12.20
## Probleme
- Vitali: Mehrere Runden fuktionieren nicht
- ~~Vitali: Evtl.: sparse Agent~~

# 8.01.21
## Aufgaben
- ~~Vitali: Dockercontainer repository bei uni-hannover -> Repository funktioniert nicht~~
- Vitali: Bauanleitung schreiben + Benutzung der software. Local und Container.
- Jannik: Server kommunikation
- Jannik: Endsignal für agents
- Jonas: Dokumentation (Ausarbeitung, Präsentation)
- Daniel: Preprocessing der Grids
- Alle: Ausfüllen der Docstrings

# 14.01.21
- [x] Problem: Wie bekommen wir die Modeldaten in das docker image. -> git lfs
-