Skip to content

Speaker-Listener — 单向通信 ​

环境信息

  • PettingZoo 名称: simple_speaker_listener_v4
  • 智能体: 1 Speaker + 1 Listener
  • 地标数量: 3
  • 类型: 单向通信 + 语义对齐

游戏目标 ​

经典的信号对齐环境:

Speaker (说者) ​

  • 看到: 目标地标的 one-hot 向量(如 [0, 1, 0] 表示地标 1)
  • 不能移动: 只输出 3 维通信信号
  • 任务: 将目标信息编码为信号,让 Listener 理解

Listener (听者) ​

  • 看到: 3 个地标的相对位置 + Speaker 发来的 3 维信号
  • 不能通信: 只输出运动动作
  • 任务: 根据信号推断目标,导航到正确地标

观测空间 ​

Speaker 观测 ​

字段维度含义
goal_vector3目标地标 one-hot 编码
target_landmark_id1目标地标 ID (0/1/2)

Listener 观测 ​

字段维度含义
vel2自身速度
landmarks[]3 组3 个地标相对位置 + 距离 + 方向
comm_vector3Speaker 传来的通信信号
heard_id1推断的目标 ID (按最大分量)

观测示例 ​

Speaker 观测

json
{
  "goal_vector": [0, 0, 1],
  "target_landmark_id": 2
}

→ 目标是地标 2,Speaker 需要输出信号让 Listener 去地标 2

Listener 观测

json
{
  "vel": [0.0, 0.0],
  "landmark_0": {"rel": [-0.3, 0.5], "dist": 0.58, "dir": "LEFT/UP"},
  "landmark_1": {"rel": [0.4, -0.2], "dist": 0.45, "dir": "RIGHT/DOWN"},
  "landmark_2": {"rel": [-0.1, -0.7], "dist": 0.71, "dir": "DOWN"},
  "comm_vector": [0.2, 0.1, 0.9],
  "heard_id": 2
}

→ 信号第 3 维最大,推断目标为地标 2

动作空间 ​

角色动作维度含义
Speaker3通信信号 [s0, s1, s2],各维 ∈ [0, 1]
Listener5运动力 [no_op, left, right, down, up]

奖励函数 ​

两个智能体共享奖励,基于 Listener 到目标地标的距离:

reward = -dist(listener, target_landmark)

提示词策略 ​

Speaker 策略 ​

将 one-hot 目标直接或经过简单变换输出为通信信号。
最简单方案: 直接输出 goal_vector 作为 action。

例如: 目标是地标 1 → action = [0, 1, 0]

Listener 策略 ​

1. 分析 comm_vector:找到最大分量对应的地标 ID
2. 导航到对应地标
3. 利用 heard_id 作为辅助线索

运行方式 ​

bash
python speaker_listener.py

Built with ❤️ for Multi-Agent AI Research