Multi-Agent Particle Environment (MPE)是由OpenAI发布的多智能体强化学习基准测试,是MARL领域最经典的基准之一。该基准提供了多种简单的2D粒子世界多智能体场景,包括合作导航、合作通信、捕食者-猎物、竞争合作混合等,支持连续和离散动作空间,能够快速评估多智能体强化学习算法的性能。MPE场景简单但具有代表性,能够有效测试算法在合作、竞争、通信、信用分配等方面的能力,是MARL算法研究的标准入门基准。MPE支持多种评估指标(累计奖励、成功率、通信效率等),提供了Python接口和丰富的可视化工具。该基准推动了多智能体强化学习算法的发展,多种经典和最新的MARL算法(如MADDPG、COMA、QMIX等)都在该基准上进行了评估。该基准被广泛应用于多智能体强化学习的研究和教学中。
Multi-Agent Particle Environment (MPE)
Multi-Agent Particle Environment (MPE)是由OpenAI发布的多智能体强化学习基准测试,是MARL领域最经典的基准之一。该基准提供了多种简单的2D粒子世界多智能体场景,包括合作导航、合作通信、捕食者-猎物、竞争合作混合等,支持连续和离散动作空间,能够快速评估多智能体强化学习算法的性能。MPE场景简单但具有代表性,能够有效测试算法在合作、竞争、通信、信用分配等方面的能力,是MARL算法研究的标准入门基准。MPE支持多种评估指标(累计奖励、成功率、通信效率等),提供了Python接口和丰富的可视化工具。该基准推动了多智能体强化学习算法的发展,多种经典和最新的MARL算法(如MADDPG、COMA、QMIX等)都在该基准上进行了评估。该基准被广泛应用于多智能体强化学习的研究和教学中。
测试方法与条件
多种2D粒子世界多智能体场景,合作/竞争/混合,连续/离散动作空间,快速评估算法性能