游戏环境总览
本项目包含 9 个经典多智能体博弈场景,覆盖导航、协作、对抗、通信、欺骗等多种范式。
环境一览表
| # | 游戏 | 类型 | 智能体数量 | 核心挑战 | 通信 | 动作维度 |
|---|---|---|---|---|---|---|
| 1 | Simple | 导航 | 1 | 单智能体导航至地标 | ✗ | 5 |
| 2 | Spread | 协作 | N (默认 3) | 覆盖地标 + 避碰 | ✗ | 5 |
| 3 | Adversary | 对抗 | 1 Adv + N Good | 欺骗与推理 | ✗ | 5 |
| 4 | Push | 对抗 | 1 Adv + 1 Good | 物理推挤阻截 | ✗ | 5 |
| 5 | Tag | 追逐 | 3 Pred + 1 Prey | 合作追捕 vs 逃跑 | ✗ | 5 |
| 6 | Crypto | 通信 | Alice + Bob + Eve | 加密传输 vs 窃听 | ✓ | 4 |
| 7 | Reference | 通信 | 2 (互为说/听) | 双向通信导航 | ✓ | 15 |
| 8 | Speaker-Listener | 通信 | 1S + 1L | 单向通信导航 | ✓ | 3/5 |
| 9 | World Comm | 大规模 | 4 Adv + 2 Prey | Leader 广播坐标 | ✓ | 9/5 |
环境分类
🏃 导航类
- Simple: 最简单的基线环境,测试基本的空间推理
🤝 协作类
- Spread: 需要多智能体协调分配地标
⚔️ 对抗类
- Adversary: 信息不对称 + 欺骗策略
- Push: 物理对抗 + 质量不对称
- Tag: 速度不对称 + 合作追捕
📡 通信类
- Crypto: 加密/解密/窃听三方博弈
- Reference: 双向通信 + 目标推理
- Speaker-Listener: 单向通信 + 语义对齐
🌍 综合类
- World Comm: 大规模团队协调 + 通信广播
通用物理参数
所有环境共享以下基础物理参数:
| 参数 | 值 | 含义 |
|---|---|---|
时间步 dt | 0.1 | 每步的物理仿真时间 |
阻尼 damping | 0.25 | 速度衰减系数:v ← v × 0.75 |
| 默认质量 | 1.0 | 智能体默认质量 |
灵敏度 sensitivity | 5.0 | 动作到力的映射系数 |
| 地图范围 | [-1, 1]² | X、Y 轴取值范围 |
通用动作空间
大部分环境使用 5 维连续动作向量:
| 索引 | 含义 | 取值范围 |
|---|---|---|
a[0] | 无操作 (No-Op) | [0, 1] |
a[1] | 左推力 (Left) | [0, 1] |
a[2] | 右推力 (Right) | [0, 1] |
a[3] | 下推力 (Down) | [0, 1] |
a[4] | 上推力 (Up) | [0, 1] |
净力计算:
- X 轴:
F_x = (a[2] - a[1]) × sensitivity - Y 轴:
F_y = (a[4] - a[3]) × sensitivity
重要提示
- 不要同时激活对立方向(如同时设 left 和 right > 0),否则力会互相抵消
- 接近目标时应减小推力或设为 0 以避免过冲
- 接近边界(|x| 或 |y| > 0.9)时应向中心推