python - 多主体健身房环境中的随机主体

我无法为多主体体育馆环境选择随机动作。

def make_env(scenario_name, benchmark=False):

    from multiagent.environment import MultiAgentEnv
    import multiagent.scenarios as scenarios

    # load scenario from script
    scenario = scenarios.load(scenario_name + ".py").Scenario()
    # create world
    world = scenario.make_world()
    # create multiagent environment
    if benchmark:
        env = MultiAgentEnv(world, scenario.reset_world, scenario.reward, scenario.observation, scenario.benchmark_data)
    else:
        env = MultiAgentEnv(world, scenario.reset_world, scenario.reward, scenario.observation)
    return env

env = make_env('simple_tag')
env.reset()
for i in range(100):
    env.render()
    actions = [action_space.sample() for action_space in env.action_space]
    env.step(actions)

上面的代码抛出此错误：

Traceback (most recent call last):
  File "hello.py", line 22, in <module>
    env.step(actions)
  File "c:\multiagent-particle-envs\multiagent\environment.py", line 88, in step
    self._set_action(action_n[i], agent, self.action_space[i])
  File "c:\multiagent-particle-envs\multiagent\environment.py", line 174, in _set_action
    agent.action.u[0] += action[0][1] - action[0][2]
TypeError: 'int' object is not subscriptable

我找不到解决方法，因为关于这些多代理环境的讨论还不够多。

最佳答案

回答我自己的问题，让我们考虑simple_tag环境。

此环境的env.action_space提供：

[Discrete(5), Discrete(5), Discrete(5), Discrete(5)]（4个代理）

这就是我发现的误导。我认为这些动作必须是4个元素的列表，例如：[0, 3, 4, 1]，但它期望的是所有4个代理的一个热向量（5个元素）。
因此，对动作进行编码的正确方法是：

[array([1., 0., 0., 0., 0.]), array([0., 0., 1., 0., 0.]), array([0., 0., 0., 0., 1.]), array([0., 0., 0., 1., 0.])]

（取决于环境）

关于python - 多主体健身房环境中的随机主体，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53304915/