PettingZoo: Gym for Multi-Agent Reinforcement Learning
PulseAugur coverage of PettingZoo: Gym for Multi-Agent Reinforcement Learning — every cluster mentioning PettingZoo: Gym for Multi-Agent Reinforcement Learning across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
NetForge RL：发布新的网络防御仿真环境
研究人员推出了 NetForge RL，这是一个新的多智能体仿真环境，旨在网络防御场景中训练强化学习智能体。该环境具有程序化生成的网络、使用自我对抗的自适应对手，以及具有噪声和部分观察的防御者。NetForge RL 支持持续动作和固定形状的观察，将动作映射到 MITRE ATT&CK 框架，并包含五个具有难度设置的预定义场景。
-
新研究重新审视复杂强化学习空间中的动作分解 · 跟踪到2个来源
一篇新的研究论文探讨了在强化学习中处理复杂动作空间的方法，特别是那些结合了离散动作和连续动作的动作空间。该研究分析了不同算法和环境中的各种分解技术，并引入了两个新的并行环境 CoopPush 和 Hybrid-Shoot 来促进这项研究。研究结果表明，分支对决架构在计算和性能之间取得了良好的平衡，而自回归动作（Auto-Regressive actions）取得了最高的整体性能，尽管原生连续 SAC 尽管计算成本更高，但表现更优。
-
新的 MuJoCo-Drones-Gym 模拟器增强了多无人机强化学习研究
研究人员开发了 MuJoCo-Drones-Gym，这是一个用于多无人机强化学习的开源模拟环境。它构建在 MuJoCo 物理引擎之上，提供 GPU 加速，并支持灵活的物理模型、动作接口和观察空间。该环境旨在解决物理保真度、多智能体能力以及深度强化学习所需的高吞吐量之间的权衡问题。
-
用于强化学习的新型无人机集群搜索环境
研究人员开发了DSSE，这是一个用于研究多智能体强化学习算法的新环境。该环境基于PettingZoo构建，模拟了无人机搜索遇难者等目标。智能体接收关于目标位置的动态概率输入，而不是直接的距离奖励，这有助于研究处理此类概率数据的算法。