SMAClite：一种用于多智能体强化学习的轻量级环境
机器学习
2023-05-10 v1 人工智能
多智能体系统
摘要
多智能体强化学习（MARL）算法缺乏标准基准。星际争霸多智能体挑战（SMAC）已被广泛用于MARL研究，但其构建于庞大且闭源的电脑游戏《星际争霸II》之上。因此，SMAC计算开销大，且要对环境进行任何有意义的修改或贡献，都需要了解并使用该游戏专用的专有工具。我们提出了SMAClite——一个基于SMAC、既脱离《星际争霸II》又开源的挑战，以及一个无需任何专门知识即可为SMAClite创建新内容的框架。我们通过在SMAClite上训练MARL算法并复现SMAC结果，实验表明SMAClite与SMAC等价。随后我们展示SMAClite在运行速度和内存方面均优于SMAC。
引用
@article{arxiv.2305.05566,
title = {SMAClite: A Lightweight Environment for Multi-Agent Reinforcement Learning},
author = {Adam Michalski and Filippos Christianos and Stefano V. Albrecht},
journal= {arXiv preprint arXiv:2305.05566},
year = {2023}
}