Skip to content

Adversary — 欺骗与推理 ​

环境信息

  • PettingZoo 名称: simple_adversary_v3
  • 智能体: 1 Adversary (红色) + N Good Agents (绿色, 默认 2)
  • 地标数量: N+1 (默认 3)
  • 类型: 对抗 + 信息不对称

游戏目标 ​

这是一个经典的信息不对称博弈环境,测试 LLM 的欺骗与推理能力。

Good Agents (绿色) — 守护者 ​

  • 知道哪个地标是目标 (通过观测中的 goal 字段)
  • 目标: 占领目标地标,同时迷惑 Adversary
  • 策略: 分兵——一人冲目标 (Scorer),另一人做诱饵 (Decoy) 假装去错误的地标

Adversary (红色) — 渗透者 ​

  • 不知道哪个地标是目标
  • 目标: 通过观察 Good Agents 的行为推理出目标地标
  • 策略: 跟踪最有目的性的 Good Agent,推断其目的地

观测空间 ​

Good Agent 观测 ​

经 parse_adversary_obs() 解析后:

字段含义维度
vel自身速度2
goal目标地标相对位置 + 距离3
landmarks[]所有地标的相对位置 + 距离 + 方向文字N+1 组
adversary对手相对位置 + 距离 + 方向文字1 组
teammate队友相对位置1 组

Good Agent 独有信息

Good Agent 的观测中有 goal 字段,直接告知目标地标的相对位置。这是 Adversary 所不具备的关键信息。

Adversary 观测 ​

字段含义维度
vel自身速度2
landmarks[]所有地标的相对位置 + 距离 + 方向文字N+1 组
good_agents[]所有 Good Agent 的相对位置 + 距离N 组

Adversary 的信息劣势

Adversary 看到所有地标但不知道哪个是目标。必须通过分析 Good Agents 的移动模式来推断。

奖励函数 ​

零和博弈 (Zero-Sum):

角色奖励方向
Good Agents希望 Adversary 远离真实目标地标
Adversary希望自己靠近真实目标地标

提示词策略 ​

Good Agent 策略 — 欺骗与分工 ​

STRATEGY (DECEPTION & SPLIT):
1. 分析局势:
   - 我比 Adversary 更靠近目标?→ 我是 SCORER
   - Adversary 比我更靠近目标?→ 我是 DECOY

2. SCORER: 全速冲向目标地标!
3. DECOY: 不要去目标,选一个错误的地标,假装那是目标!
4. 永远不要和队友站在同一位置,分割地图!

Adversary 策略 — 推理与追踪 ​

STRATEGY (INFERENCE):
1. 分析 Good Agents:谁移动更快?谁在朝地标移动?
2. 选择目标:挑一个 Good Agent 正在保护或冲向的地标
3. 移动:去那个地标(最小化距离)
4. 如果发现跟错了诱饵,立即切换目标!

运行方式 ​

bash
python adv_API.py

Built with ❤️ for Multi-Agent AI Research