Farama-Foundation/MPE2

解決的問題

MPE2 提供一組通訊導向的模擬環境，用於訓練與測試多智能體強化學習（MARL）演算法。它解決了在合作與對抗情境中，智能體必須學習互動、通訊與協調以完成任務的標準化、輕量級環境需求。

工作原理

本專案實作一系列「粒子」環境，其中智能體以圓形表示，可移動、觀測其他智能體，並與靜態地標互動。支援離散（預設）與連續動作空間，讓智能體能控制其在基本方向上的移動，或透過通訊通道廣播訊息。系統會追蹤觀測值（位置、速度與接收訊息）以及根據智能體達成目標（如推動物體或標記其他智能體）的成功程度所獲得的獎勵。

適用對象

專為從事多智能體人工智慧的研究人員與開發者設計，特別是專注於強化學習中出現式通訊、協調，以及競爭／合作博弈論的使用者。

主要特色

• 多樣化的互動模型：包含合作環境（如 Simple Spread、Simple Formation）與對抗環境（如 Simple Tag、Simple Push）。
• 彈性動作空間：支援移動與通訊的離散與連續控制。
• 通訊通道：內建機制，讓智能體能廣播與接收訊息以協調行動。
• 提升的穩定性：基於 OpenAI 原始 MPE，但修正了獎勵一致性與離散動作空間預設值的問題。