Uma API Python padrão para ambientes de aprendizado por reforço com agente único, além de um conjunto de ambientes de referência, derivado do Gym da OpenAI.
12,7 mil1,5 milPythonMITAtualizado há 4 horas
Farama-Foundation/MPE2
Conjunto de ambientes de partículas multiagente no estilo PettingZoo para pesquisas sobre comunicação, cooperação e competição entre agentes.
- Estrelas
- 779
- Forks
- 22
- Issues abertas
- 3
- Último commit
- há 13 dias
O que é?
MPE2 é uma coleção de ambientes de aprendizado por reforço multiagente voltados à comunicação. Os agentes de partículas podem se mover, comunicar, observar uns aos outros, empurrar uns aos outros e interagir com marcos fixos em um mundo 2D.
Os ambientes são derivados da base de código original do MPE, da OpenAI, com correções que tornam o espaço de ações discreto por padrão, padronizam as recompensas e organizam os espaços de observação. O projeto também adiciona três novos ambientes. Os ambientes são disponibilizados por uma API compatível com PettingZoo e podem ser instalados com pip install mpe2.
O conjunto inclui cenários adversariais, como Simple Tag e Simple Crypto, e cooperativos, como Simple Spread, Simple Reference e Collect Treasure. Há suporte a espaços de ação discretos e contínuos, e a renderização está disponível em uma janela ou como um array de pixels.
Recursos principais
- 01Oferece ambientes multiagente com comunicação, movimentação e interação com marcos.
- 02Por padrão, oferece suporte a espaços de ação discretos e também a ações contínuas por meio de uma flag.
- 03Oferece cenários adversariais e cooperativos.
- 04Usa uma API no estilo PettingZoo, com agent_iter, last e step.
- 05Pode ser instalado com pip e renderiza em uma janela ou como um array de pixels.
Casos de uso
- Avaliar algoritmos de aprendizado por reforço multiagente em tarefas simples de comunicação.
- Estudar a comunicação emergente entre agentes que cooperam ou competem.
- Ensinar aprendizado por reforço multiagente com ambientes simples e fáceis de entender.
Início rápido
- 1
Instale o pacote mpe2 do PyPI
pip install mpe2 - 2
Importe um ambiente e execute um loop com um agente aleatório, como mostrado no exemplo 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 usar
- Os ambientes são simulações 2D de partículas com dinâmica simples e pouco realista, por isso são mais adequados para prototipagem de pesquisa do que para tarefas realistas.
- Baseia-se na base de código original do MPE da OpenAI, mas os espaços de ação discretos padrão diferem dos espaços contínuos originais.
Em coleções
Tópicos
Perguntas frequentes
- O que é MPE2?
- Conjunto de ambientes de partículas multiagente no estilo PettingZoo para pesquisas sobre comunicação, cooperação e competição entre agentes. MPE2 é uma coleção de ambientes de aprendizado por reforço multiagente voltados à comunicação. Os agentes de partículas podem se mover, comunicar, observar uns aos outros, empurrar uns aos outros e interagir com marcos fixos em um mundo 2D.
- MPE2 é gratuito? Qual é a licença?
- MPE2 é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- MPE2 ainda é mantido?
- Manutenção ativa. O último commit de MPE2 foi em 9 de out. de 2026.
- Para que posso usar MPE2?
- Avaliar algoritmos de aprendizado por reforço multiagente em tarefas simples de comunicação. Estudar a comunicação emergente entre agentes que cooperam ou competem. Ensinar aprendizado por reforço multiagente com ambientes simples e fáceis de entender.
- Como instalar MPE2?
- Instale o pacote mpe2 do PyPI: pip install mpe2 Importe um ambiente e execute um loop com um agente aleatório, como mostrado no exemplo básico: python -c "from mpe2 import simple_push_v3; env = simple_push_v3.env(render_mode='human'); env.reset(seed=42); env.close()"
- Onde consigo MPE2?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Farama-Foundation/MPE2
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
ASPIRE é um framework em que agentes de programação refinam iterativamente habilidades reutilizáveis de robôs para tarefas de manipulação simuladas e reais, em vez de treinar pesos do modelo.
82769PythonApache-2.0Atualizado há 7 dias
Kit inicial com licença MIT para implantar e personalizar o AI Town, uma cidade virtual onde personagens de IA vivem, conversam e socializam, criado com Convex.
10,7 mil1,2 milTypeScriptMITAtualizado há 2 meses
Um mecanismo de física de uso geral para simular corpos articulados em contato com rapidez e precisão, amplamente usado em robótica e pesquisa em machine learning.
Ferramentas para desenvolvedores#physics-engine#robotics#simulation#reinforcement-learning#contact-dynamics
15,8 mil1,9 milC++Apache-2.0Atualizado há 2 horas
O Unity ML-Agents Toolkit permite usar jogos e simulações Unity como ambientes para treinar agentes de IA com aprendizado por reforço e por imitação.
IA e Machine Learning#reinforcement-learning#unity#deep-reinforcement-learning#imitation-learning#game-ai
19,8 mil4,5 milC#OtherAtualizado ontem
Infraestrutura open source de notificações e comunicação entre agentes, que envia mensagens por Inbox, Email, SMS, Push, Chat e Slack usando uma única API.
40,2 mil4,5 milTypeScriptOtherAtualizado há 46 minutos