MeltingpotEnv¶

torchrl.envs.MeltingpotEnv(*args, **kwargs)[原始碼]¶

Meltingpot 環境包裝器。

GitHub: https://github.com/google-deepmind/meltingpot

Melting Pot 評估了在涉及熟悉和不熟悉個體的全新社交情境下的泛化能力，並旨在測試廣泛的社互動動，例如：合作、競爭、欺騙、互惠、信任、固執等。Melting Pot 為研究人員提供了一套超過 50 個多智慧體強化學習的底層環境（多智慧體遊戲）用於訓練智慧體，以及超過 256 個獨特的測試場景用於評估這些訓練好的智慧體。

引數:

substrate (str or ml_collections.config_dict.ConfigDict) – 要構建的 meltingpot 底層環境。可以是 available_envs 中的字串，或者是一個底層環境的 ConfigDict

關鍵字引數:

max_steps (int, optional) – 任務的視界。預設為 None（無限視界）。每個 Meltingpot 底層環境可以是終止的或非終止的。如果指定了 max_steps，當達到此視界時，場景也將終止（並且 "terminated" 標誌會被設定為 True）。與 gym 的 TimeLimit 變換或 torchrl 的 StepCounter 不同，此引數不會在 tensordict 中設定 "truncated" 條目。
categorical_actions (bool, optional) – 如果環境動作是離散的，是否將它們轉換為分類或獨熱編碼。預設為 True。
group_map (MarlGroupMapType or Dict[str, List[str]], optional) – 如何在 tensordicts 中分組智慧體以用於輸入/輸出。預設情況下，它們將被全部放入一個名為 "agents" 的組中。否則，可以指定組對映或從一些預製選項中選擇。有關更多資訊，請參閱 MarlGroupMapType。

變數:

group_map (Dict[str, List[str]]) – 如何在 tensordicts 中分組智慧體以用於輸入/輸出。有關更多資訊，請參閱 MarlGroupMapType。
agent_names (list of str) – 環境中智慧體的名稱
agent_names_to_indices_map (Dict[str, int]) – 將智慧體名稱對映到其在環境中的索引的字典
available_envs (List[str]) – 可用於構建的場景列表。

警告

Meltingpot 返回一個單一的 done 標誌，該標誌不區分環境何時達到 max_steps 和何時終止。如果您認為有必要使用 truncation 訊號，請將 max_steps 設定為 None 並使用 StepCounter 變換。

示例

>>> from torchrl.envs.libs.meltingpot import MeltingpotEnv
>>> env_torchrl = MeltingpotEnv("commons_harvest__open")
>>> print(env_torchrl.rollout(max_steps=5))
TensorDict(
    fields={
        RGB: Tensor(shape=torch.Size([5, 144, 192, 3]), device=cpu, dtype=torch.uint8, is_shared=False),
        agents: TensorDict(
            fields={
                action: Tensor(shape=torch.Size([5, 7]), device=cpu, dtype=torch.int64, is_shared=False),
                observation: TensorDict(
                    fields={
                        COLLECTIVE_REWARD: Tensor(shape=torch.Size([5, 7, 1]), device=cpu, dtype=torch.float64, is_shared=False),
                        READY_TO_SHOOT: Tensor(shape=torch.Size([5, 7, 1]), device=cpu, dtype=torch.float64, is_shared=False),
                        RGB: Tensor(shape=torch.Size([5, 7, 88, 88, 3]), device=cpu, dtype=torch.uint8, is_shared=False)},
                    batch_size=torch.Size([5, 7]),
                    device=cpu,
                    is_shared=False)},
            batch_size=torch.Size([5, 7]),
            device=cpu,
            is_shared=False),
        done: Tensor(shape=torch.Size([5, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                RGB: Tensor(shape=torch.Size([5, 144, 192, 3]), device=cpu, dtype=torch.uint8, is_shared=False),
                agents: TensorDict(
                    fields={
                        observation: TensorDict(
                            fields={
                                COLLECTIVE_REWARD: Tensor(shape=torch.Size([5, 7, 1]), device=cpu, dtype=torch.float64, is_shared=False),
                                READY_TO_SHOOT: Tensor(shape=torch.Size([5, 7, 1]), device=cpu, dtype=torch.float64, is_shared=False),
                                RGB: Tensor(shape=torch.Size([5, 7, 88, 88, 3]), device=cpu, dtype=torch.uint8, is_shared=False)},
                            batch_size=torch.Size([5, 7]),
                            device=cpu,
                            is_shared=False),
                        reward: Tensor(shape=torch.Size([5, 7, 1]), device=cpu, dtype=torch.float64, is_shared=False)},
                    batch_size=torch.Size([5, 7]),
                    device=cpu,
                    is_shared=False),
                done: Tensor(shape=torch.Size([5, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                terminated: Tensor(shape=torch.Size([5, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
            batch_size=torch.Size([5]),
            device=cpu,
            is_shared=False),
        terminated: Tensor(shape=torch.Size([5, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
    batch_size=torch.Size([5]),
    device=cpu,
    is_shared=False)

MeltingpotEnv¶

文件

教程

資源