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_vector | 3 | 目标地标 one-hot 编码 |
target_landmark_id | 1 | 目标地标 ID (0/1/2) |
Listener 观测
| 字段 | 维度 | 含义 |
|---|---|---|
vel | 2 | 自身速度 |
landmarks[] | 3 组 | 3 个地标相对位置 + 距离 + 方向 |
comm_vector | 3 | Speaker 传来的通信信号 |
heard_id | 1 | 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 |
|---|---|---|
| Speaker | 3 | 通信信号 [s0, s1, s2],各维 ∈ [0, 1] |
| Listener | 5 | 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