Una API estándar de Python para entornos de aprendizaje por refuerzo de un solo agente, junto con entornos de referencia; es una bifurcación de Gym de OpenAI.
12,7 mil1,5 milPythonMITActualizado hace 4 horas
Farama-Foundation/MPE2
Conjunto de entornos de partículas multiagente al estilo de PettingZoo para investigar la comunicación, la cooperación y la competencia entre agentes.
- Estrellas
- 779
- Forks
- 22
- Issues abiertos
- 3
- Último commit
- hace 13 días
¿Qué es?
MPE2 es una colección de entornos de aprendizaje por refuerzo multiagente centrados en la comunicación. Los agentes de partículas pueden moverse, comunicarse, observarse entre sí, empujarse e interactuar con puntos de referencia fijos en un mundo 2D.
Los entornos derivan del código original de MPE de OpenAI e incluyen correcciones que establecen el espacio de acciones discretas como predeterminado, hacen que las recompensas sean coherentes y depuran los espacios de observación. También añade tres entornos nuevos. Los entornos ofrecen una API compatible con PettingZoo y se instalan con pip install mpe2.
El conjunto incluye escenarios adversariales como Simple Tag y Simple Crypto, y cooperativos como Simple Spread, Simple Reference y Collect Treasure. Admite espacios de acciones discretas y continuas, y permite renderizar en una ventana o como una matriz de píxeles.
Funciones clave
- 01Ofrece entornos multiagente con comunicación, movimiento e interacción con puntos de referencia.
- 02Admite espacios de acciones discretas de forma predeterminada y acciones continuas mediante una opción.
- 03Incluye escenarios tanto adversariales como cooperativos.
- 04Utiliza una API al estilo de PettingZoo con agent_iter, last y step.
- 05Se instala con pip y renderiza en una ventana o como una matriz de píxeles.
Casos de uso
- Evaluar algoritmos de aprendizaje por refuerzo multiagente en tareas pequeñas de comunicación.
- Estudiar la comunicación emergente entre agentes que cooperan o compiten.
- Enseñar aprendizaje por refuerzo multiagente con entornos sencillos y fáciles de entender.
Inicio rápido
- 1
Instala el paquete mpe2 desde PyPI
pip install mpe2 - 2
Importa un entorno y ejecuta un bucle con un agente aleatorio, como se muestra en el ejemplo básico
python -c "from mpe2 import simple_push_v3; env = simple_push_v3.env(render_mode='human'); env.reset(seed=42); env.close()"
Antes de usarlo
- Los entornos son simulaciones 2D de partículas con dinámicas sencillas y poco realistas, por lo que son más adecuados para crear prototipos de investigación que para tareas realistas.
- Se basa en el código original de MPE de OpenAI, pero los espacios de acciones discretas predeterminados son distintos de los espacios continuos originales.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es MPE2?
- Conjunto de entornos de partículas multiagente al estilo de PettingZoo para investigar la comunicación, la cooperación y la competencia entre agentes. MPE2 es una colección de entornos de aprendizaje por refuerzo multiagente centrados en la comunicación. Los agentes de partículas pueden moverse, comunicarse, observarse entre sí, empujarse e interactuar con puntos de referencia fijos en un mundo 2D.
- ¿MPE2 es gratuito? ¿Qué licencia tiene?
- MPE2 es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿MPE2 sigue mantenido?
- Mantenimiento activo. El último commit de MPE2 fue el 9 oct 2026.
- ¿Para qué puedo usar MPE2?
- Evaluar algoritmos de aprendizaje por refuerzo multiagente en tareas pequeñas de comunicación. Estudiar la comunicación emergente entre agentes que cooperan o compiten. Enseñar aprendizaje por refuerzo multiagente con entornos sencillos y fáciles de entender.
- ¿Cómo se instala MPE2?
- Instala el paquete mpe2 desde PyPI: pip install mpe2 Importa un entorno y ejecuta un bucle con un agente aleatorio, como se muestra en el ejemplo básico: python -c "from mpe2 import simple_push_v3; env = simple_push_v3.env(render_mode='human'); env.reset(seed=42); env.close()"
- ¿Dónde consigo MPE2?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/Farama-Foundation/MPE2
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
ASPIRE es un framework en el que agentes de programación perfeccionan iterativamente habilidades reutilizables para robots, en tareas de manipulación simuladas y reales, en lugar de entrenar los pesos del modelo.
82769PythonApache-2.0Actualizado hace 7 días
Kit inicial con licencia MIT para desplegar y personalizar AI Town, una ciudad virtual donde viven, conversan y socializan personajes de IA, creado con Convex.
10,7 mil1,2 milTypeScriptMITActualizado hace 2 meses
Motor de física de propósito general para simular con rapidez y precisión cuerpos articulados en contacto, muy utilizado en investigación de robótica y aprendizaje automático.
Herramientas para desarrolladores#physics-engine#robotics#simulation#reinforcement-learning#contact-dynamics
15,8 mil1,9 milC++Apache-2.0Actualizado hace 2 horas
Unity ML-Agents Toolkit permite usar juegos y simulaciones de Unity como entornos para entrenar agentes de IA mediante aprendizaje por refuerzo e imitación.
IA y Machine Learning#reinforcement-learning#unity#deep-reinforcement-learning#imitation-learning#game-ai
19,8 mil4,5 milC#OtherActualizado ayer
Infraestructura open source de notificaciones y comunicación con agentes que envía mensajes por Inbox, Email, SMS, Push, Chat y Slack a través de una sola API.
40,2 mil4,5 milTypeScriptOtherActualizado hace 46 minutos