MPE环境介绍

MPE的环境介绍

原文中给出的解释

环境名称	是否能够Communication	是否进行Competitive	场景说明
simple,py	N	N	单智能体看到地标位置，并根据距离地标位置的远近获得奖励。这只是一个示例demo，用来测试。
simple_adversary.py(欺骗行为)	N	Y	1 个反方智能体（红色），N 个正方智能体（绿色），N 个地标（通常 N=2）。 所有智能体都会观察地标和其他智能体的位置。 一个地标是“目标地标”（绿色）。 正方智能体的奖励来自于它们中的一个与目标地标的接近程度，但如果反方智能体靠近目标地标，正方智能体则获得负奖励。 反方智能体根据它与目标的接近程度获得奖励，但它不知道哪个地标是目标地标。 因此，优秀的智能体必须学会“拆分”并覆盖所有地标以欺骗对手
simple_crypto.py(加密通信)	Y	Y	两个正方智能体(Alice和Bob)，一个反方智能体(eve)。Alice必须通过公共信道向bob发送一条私人信息。Alice和bob根据bob重构信息的好坏得到奖励，但如果eve能重构信息，Alice和bob则得到负奖励。Alice和bob有一个私钥(在每集开始时随机生成)，他们必须学会使用它来加密信息。
simple_push.py(驱逐远离)）	N	Y	一个正方智能体，一个反方智能体，一个地标。正方智能体根据到地标的距离获得奖励。如果反方智能体靠近地标，或者正方智能体远离地标，反方智能体就会得到奖励。所以反方智能体学会把正方智能体驱逐远离地标。
simple_reference.py	Y	N	2 个智能体，3 个不同颜色的地标。 每个智能体都想到达他们的目标地标，这个目标地标只有其他代理知道。 奖励是集体的。 因此，智能体必须学会传达另一个智能体的目标，并导航到他们的地标。 这与 simple_speaker_listener 场景相同，其中两个智能体同时是说话者和听众。
simple_speaker_listener.py(合作交流)）	Y	N	与 simple_reference 相同，除了一个智能体是不动的“说话者”（灰色）（观察其他智能体的目标），另一个智能体是听者（不能说话，但必须导航到正确的地标）。
simple_spread.py(合作导航)	N	N	N 个智能体，N 个地标。 根据每个智能体与每个地标的距离对智能体进行奖励。 如果智能体之间发生冲突，则会受到惩罚。 因此，智能体必须学会在避免碰撞的同时覆盖所有地标。
simple_tag.py(围捕)	N	Y	捕食者（绿色）速度更快，并且希望避免被猎物（红色）击中。 猎物速度较慢，并希望打击捕食者。 障碍物（大黑圈）挡住了去路。
simple_world_comm.py	Y	Y	与 simple_tag 相同，除了 (1) 有食物（小蓝球），正方智能体会因为靠近而获得奖励，（2）“森林”可以将智能体隐藏在里面，从外面看不到； (3)有一个“反方领导智能体”，可以随时看到所有智能体，并可以与其他反方智能体沟通，帮助协调追击。

最开始，MPE被大家所熟知，是因为MADDPG中的使用。我们可以根据需要更改MPE中的环境场景，以满足自己的需要。