World Comm — 大规模协调
环境信息
- PettingZoo 名称:
simple_world_comm_v3 - 智能体: 4 Adversary (1 Leader + 3 Hunter) + 2 Prey
- 额外元素: 食物、森林、障碍物
- 类型: 大规模团队协调 + 通信广播
游戏目标
这是最复杂的 MPE 环境,包含团队结构、角色分工和通信机制。
Leader (领袖)
- 全局观测: 能看到所有猎物的位置
- 广播: 将猎物的绝对坐标通过通信通道传给 Hunter
- 可移动: 也可以直接追捕猎物
- 动作维度: 9 = 5 (运动) + 4 (通信: Prey0_X, Prey0_Y, Prey1_X, Prey1_Y)
Hunter (猎手)
- 局部观测: 只看到附近的智能体
- 接收通信: 从 Leader 接收猎物坐标,用于远程追击
- 追击: 全速追向猎物
- 动作维度: 5 (纯运动)
Prey (猎物)
- 观测: 能看到威胁 (Hunter) 和食物位置
- 目标: 逃离 Hunter,寻找食物
- 惩罚: 被捕获或出界都有严重惩罚
- 动作维度: 5 (纯运动)
观测空间
Leader 观测
| 字段 | 含义 |
|---|---|
position, velocity | 自身位置和速度 |
enemies[] | 猎物的相对位置 |
teammates[] | 猎手的相对位置 |
landmarks[] | 地标/食物/障碍物 |
Hunter 观测
| 字段 | 含义 |
|---|---|
position, velocity | 自身位置和速度 |
enemies[] | 可见猎物的相对位置 |
communication | Leader 广播的猎物坐标 |
landmarks[] | 附近地标 |
Prey 观测
| 字段 | 含义 |
|---|---|
position, velocity | 自身位置和速度 |
enemies[] | 可见 Hunter 的相对位置 (威胁) |
partner | 另一只猎物的相对位置 |
landmarks[] | 食物和障碍物 |
动作空间
Leader 动作 (9 维)
| 索引 | 含义 | 取值 |
|---|---|---|
a[0] | No-Op | [0, 1] |
a[1] | Left | [0, 1] |
a[2] | Right | [0, 1] |
a[3] | Down | [0, 1] |
a[4] | Up | [0, 1] |
a[5] | Prey0_X 坐标 | 任意浮点 |
a[6] | Prey0_Y 坐标 | 任意浮点 |
a[7] | Prey1_X 坐标 | 任意浮点 |
a[8] | Prey1_Y 坐标 | 任意浮点 |
通信维度
Leader 的通信维度 (a[5]-a[8]) 可以是负数或大于 1,因为它们编码的是猎物的绝对坐标(地图范围 [-1, 1])。
Hunter / Prey 动作 (5 维)
标准 5 维运动力向量。
奖励函数
| 角色 | 奖励 |
|---|---|
| Leader | 猎物被捕时获得奖励;领导成功狩猎的额外奖励 |
| Hunter | 捕获猎物时高奖励;团队协作奖励 |
| Prey | 存活和获取食物时奖励;被捕扣分 |
提示词策略
Leader 策略
1. 保持位置以观察所有猎物
2. 持续广播猎物的绝对坐标
3. 战略性移动,切断猎物逃跑路线
4. 保持猎物在视野范围内以更新信息Hunter 策略
1. 远距离时: 跟随 Leader 广播的坐标追击
2. 近距离时: 直接全速追击可见猎物
3. 与其他 Hunter 配合包围猎物
4. 接近猎物时减速避免过冲Prey 策略
1. 尽早发现威胁,立即逃离
2. 优先存活,其次寻找食物
3. 利用障碍物和森林掩护
4. 避免角落,保持逃跑路线开放
5. 永不停止移动物理约束
1. 互斥轴: 不能同时向左和向右移动
2. 互斥轴: 不能同时向上和向下移动
3. 决定性: 值 > 0.5 表示果断移动,避免微弱输入
4. 惯性: 速度缓慢衰减,加速度累积
5. 边界: Prey 必须严格保持在 [-1, 1] 内运行方式
bash
python world_comm.py