标签：00 01 particle 捕食者 multiagent simple OpenAI env np
multiagent-particle-envs是OpenAI开源的多智能体学习环境。
一、安装
Link：https://github.com/openai/multiagent-particle-envs
简称小球环境，也是MADDPG用的环境，基本上可以看做是较为复杂的 gridworld 的环境。 在这个环境涵盖了ma里的竞争/协作/通讯场景，你可以根据你的需要设置agent的数量，选择他们要完成的任务，比如合作进行相互抓捕，碰撞等，你也可以继承某一个环境来改写自己的任务。状态信息主要包括智能体的坐标/方向/速度等，这些小球的的原始动作空间是连续型的，不过在类属性里有个可以强制进行离散的设置，可以把它打开以后小球的动作就可以被离散为几个方向的移动了。此外，在这个环境中，小球之间的碰撞都都是模拟刚体的实际碰撞，通过计算动量，受力等来计算速度和位移。(以上内容摘自：https://www.zhihu.com/question/332942236/answer/1295507780，作者：咸鱼天，来源：知乎)。
OpenAI官方的环境，需要依赖gym 0.10.5。 如果不想使用，可以使用我的修改版本，对gym版本没有限制，并且在安装后可以直接导入make_env创建环境。参考百度飞桨开源的强化学习框架Parl为环境增加了obs_shape_n和act_shape_n属性，可以直接输出观测和动作维数。Link：https://github.com/gingkg/multiagent-particle-envs
安装： 1、下载文件 2、cd multiagent-particle-envs 3、pip install -e . 即可。
二、simple_world_comm环境详解
multiagent-particle-envs基于gym开发，所以环境创建流程基本于gym一致。multiagent-particle-envs包含9个环境，分别为simple、simple_adversary、simple_crypto、simple_push、simple_reference、simple_speaker_listener、simple_spread、simple_tag、simple_world_comm。其中simple环境仅作验证环境是否安装成功的测试使用，其余环境的介绍可以自行查看文档。 下面就simple_world_comm环境进行详细介绍。
simple_world_comm环境下，包含6个智能体(agent)，2个食物(food)、2个树林(forests)和1个地标(landmarks)。6个智能体中有4个捕食者(adversaries)和2个被捕食者(good_agents)。4个捕食者中有1个领导者(leader)。所有智能体、食物、树林和地标统称实体(entity)。所有食物、树林和地标又统称地标(landmarks)。1、各类实体属性：
捕食者：刚体，可移动，最大速度1(默认)，加速度缩放系数3(默认，疑似)，速度阻尼0.25，红色，其中领导者颜色较深一点， 被捕食者：刚体，可移动，最大速度1.3(默认)，加速度缩放系数4(默认，疑似)，速度阻尼0.25，小绿色 食物：刚体，不可移动，蓝色 树林：非刚体，不可移动，大绿色 地标：刚体，不可移动，黑色2、实体任务：
捕食者 ：协同队友，阻拦被捕食者靠近食物。被捕食者 ：在捕食者的拦截下，利用森林及障碍物来尽可能的靠近食物。
食物 ：被捕食者的目标，靠近可获得奖励，奖励大小与靠近的距离有关。
树林 ：可以对进入自身内部的智能体提供掩护，敌方无法获取单位的位置坐标，除非两个智能体位于同一个树林
地标 ：不可通过的阻碍物。
3、需训练的智能体：
被捕食者 ：2个，通过靠近食物来获取奖励，速度较快，数量较少。
捕食者：4个，需要有一定协同能力，通过阻碍被捕食者获取奖励，速度较慢，但数量较多。
原论文中6个智能体分别用MADDPG算法来训练。即训练成本会随着智能体的数量增加，由于交流功能的存在，训练成本和智能体数量并不为线性关系。
4、观测状态
见文件：multiagent-particle-envs/multiagent/scenarios/simple_world_comm.py
捕食者的观测状态为1*34的向量，具体为自身的速度(x和y两个方向，2)+自身的位置(x和y两个方向，2)+所有地标与自己的相对位置(地标位置-自身位置，10)+其他智能体与自己的相对位置(其他智能体位置-自身位置，10)+被捕食者的速度(4)+自身是否在树林里(2)+交流信息(4)，数据格式float32，Box(34,)。非领导者的交流信息直接继承领导者的。
array([ 0. , 0. , -0.81360341, 0.31675768, 0.25026168,
-0.12137332, 1.26442749, -0.7671077 , 0.90388104, -1.00294841,
0.70155893, -0.62365125, 1.09197528, -0.92503425, 1.31906775,
0.53801265, 1.30256252, -0.5290839 , 1.3105693 , -0.16847554,
1.34816312, -0.82404067, 0.61383961, -1.30914401, 0. ,
0. , 0. , 0. , -1. , -1. ,
0. , 0. , 0. , 0. ])
被捕食者的观测状态为1*28的向量，具体为自身的速度(x和y两个方向，2)+自身的位置(x和y两个方向，2)+所有地标与自己的相对位置(地标位置-自身位置，10)+其他智能体与自己的相对位置(其他智能体位置-自身位置，10)+其他被捕食者的速度(2)+自身是否在树林里(2)，数据格式float32，Box(28,)。
array([ 0. , 0. , -0.1997638 , -0.99238633, -0.36357793,
1.18777069, 0.65058787, 0.54203631, 0.29004143, 0.3061956 ,
0.08771932, 0.68549276, 0.47813566, 0.38410976, -0.61383961,
1.30914401, 0.70522814, 1.84715666, 0.68872291, 0.78006011,
0.69672969, 1.14066847, 0. , 0. , -1. ,
-1. , 0. , 0. ])
5、动作空间
领导者：MultiDiscrete2，1*9维的向量。第一位无操作，2-5位给定智能体x,y正负方向上的加速度，6-9位为交流信息。
np.array([0, 1, 0, 1, 0, 1, 1, 1, 1],dtype=np.float32)
非领导捕食者：Discrete(5)，1*9维的向量。第一位无操作，2-5位给定智能体x,y正负方向上的加速度。
np.array([0, 1, 0, 1, 0], dtype=np.float32)
举个例子（无碰撞情况），方便理解，对于领导者初始状态为：
[ 0. 0. 0.28664831 0.451448 -1.17817321 -1.14371152 0.36545598 -1.0833245 -1.06284931 0.20773417 -0.94155189 0.4072022 -0.10401275 -1.15910727 -0.19673305 -1.02704632 -0.78517681 -0.25047813 -0.36542734 -1.31392343 -0.07968565 -0.96594893 -0.95037937 -1.2023333 0. 0. 0. 0. -1. -1. 0. 0. 0. 0. ]
即，速度为（0，0）；位置为（0.28664831， 0.451448）。
采取的动作为：
np.array([0, 1, 0, 1, 0, 1, 1, 1, 1],dtype=np.float32)
环境默认的周期t=0.1。
下一时刻智能体的速度和位置计算过程如下(以x方向为例，y方向计算过程相同)：# x方向的加速度 a = 1 - 0 # 乘以比例系数(暂不清楚有何物理意义) a = a * 3 # 考虑速度阻尼，上一时刻的速度 v= 0 v = v * (1 - 0.25) # 计算下一时刻的速度，此处有一个系数mass，默认为1（暂不清楚有何物理意义） v = v + (a/mass) * t # 判断速度是否大于限定最大速度，如果大于，按最大速度在x,y方向上做分解 # 计算位置 p = p + v*t
下一时刻状态输出为：
[ 3.00000000e-01 3.00000000e-01 3.16648308e-01 4.81448005e-01 -1.20817321e+00 -1.17371152e+00 3.35455977e-01 -1.11332450e+00 -1.09284931e+00 1.77734173e-01 -9.71551887e-01 3.77202198e-01 -1.34012753e-01 -1.18910727e+00 -1.26733049e-01 -1.05704632e+00 -8.15176813e-01 -2.80478133e-01 -3.95427343e-01 -1.34392343e+00 -1.09685649e-01 -9.95948925e-01 -9.70904003e-01 -1.23477175e+00 5.26459117e-08 2.74805581e-08 9.47537011e-02 -2.43844654e-02 -1.00000000e+00 -1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00]
6、创建、运行、显示环境的完整代码
import time
import numpy as np
import multiagent.make_env as make_env
env = make_env.make_env('simple_world_comm')
obs = env.reset()
print(env.observation_space)
print(env.action_space)
steps = 0
print(steps)
print(obs)
for _ in range(25):
steps += 1
print(steps)
action_n = [np.array([0, 1, 0, 1, 0, 1, 1, 1, 1],dtype=np.float32),
np.array([0, 10, 0, 0, 0], dtype=np.float32),
np.array([0, 0, 0, 0, 0], dtype=np.float32),
np.array([0, 0, 0, 0, 0], dtype=np.float32),
np.array([0, 0, 0, 0, 0], dtype=np.float32),
np.array([0, 0, 0, 0, 0], dtype=np.float32)]
next_obs_n, reward_n, done_n, _ = env.step(action_n)
print(next_obs_n)
print(reward_n)
print(done_n)
env.render()
time.sleep(0.1)
if all(done_n):
break
env.close()
需要注意的是，按照环境默认设置，done_n永远为 false，即环境永远不会结束，所以需要自己设定最大循环次数。
标签：00,01,particle,捕食者,multiagent,simple,OpenAI,env,np 来源： https://www.cnblogs.com/gingkg/p/14209812.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。