多代理健身房环境中的随机代理

Question

我无法为多智能体健身房环境选择随机动作。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 envenv = 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)上面的代码抛出这个错误：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我找不到解决办法，因为关于这些多代理环境的讨论还不够多。

Answer 1

回答我自己的问题，让我们考虑 simple_tag 环境。

env.action_space 对于这种环境给出：

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

这是我发现的误导。我认为这些动作必须是一个包含 4 个元素的列表，例如：[0, 3, 4, 1]但它期望的是所有 4 个代理的单热向量（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.])]

（视环境而定）