Стандартный Python API для одноагентных сред обучения с подкреплением и набор эталонных сред, форк OpenAI Gym.
Farama-Foundation/MPE2
Набор многоагентных сред с частицами в стиле PettingZoo для исследований коммуникации, сотрудничества и конкуренции между агентами.
- Звёзды
- 779
- Форки
- 22
- Открытые issues
- 3
- Последний коммит
- 13 дней назад
Что это?
MPE2 — это набор сред для многоагентного обучения с подкреплением, ориентированных на коммуникацию. Агенты-частицы могут перемещаться, общаться, наблюдать друг за другом, толкать друг друга и взаимодействовать с неподвижными ориентирами в двумерном мире.
Среды созданы на основе исходной кодовой базы MPE от OpenAI. В них исправлена дискретизация пространства действий, используемая по умолчанию, согласованы награды и приведены в порядок пространства наблюдений. Кроме того, добавлены три новые среды. Среды доступны через совместимый с PettingZoo API; для установки используйте pip install mpe2.
В набор входят сценарии с противоборством, например Simple Tag и Simple Crypto, и сценарии на сотрудничество, например Simple Spread, Simple Reference и Collect Treasure. Поддерживаются дискретные и непрерывные пространства действий, а результаты можно отображать в окне или в виде массива пикселей.
Ключевые возможности
- 01Предоставляет многоагентные среды с коммуникацией, перемещением и взаимодействием с ориентирами.
- 02По умолчанию используются дискретные пространства действий; непрерывные действия можно включить с помощью флага.
- 03Включает сценарии как с противоборством, так и на сотрудничество.
- 04Использует API в стиле PettingZoo с agent_iter, last и step.
- 05Устанавливается через pip и отображает результат в окне или в виде массива пикселей.
Сценарии использования
- Сравнение алгоритмов многоагентного обучения с подкреплением на небольших задачах коммуникации.
- Изучение эмерджентной коммуникации между сотрудничающими или конкурирующими агентами.
- Обучение многоагентному обучению с подкреплением на простых и понятных средах.
Быстрый старт
- 1
Установите пакет mpe2 из PyPI
pip install mpe2 - 2
Импортируйте среду и запустите цикл со случайным агентом, как показано в базовом примере
python -c "from mpe2 import simple_push_v3; env = simple_push_v3.env(render_mode='human'); env.reset(seed=42); env.close()"
Что важно знать
- Среды представляют собой двумерные симуляции частиц с простой динамикой низкой точности, поэтому они подходят скорее для прототипирования исследований, чем для реалистичных задач.
- Проект основан на оригинальной кодовой базе MPE от OpenAI, однако используемые по умолчанию дискретные пространства действий отличаются от исходных непрерывных.
В подборках
Темы
Частые вопросы
- Что такое MPE2?
- Набор многоагентных сред с частицами в стиле PettingZoo для исследований коммуникации, сотрудничества и конкуренции между агентами. MPE2 — это набор сред для многоагентного обучения с подкреплением, ориентированных на коммуникацию. Агенты-частицы могут перемещаться, общаться, наблюдать друг за другом, толкать друг друга и взаимодействовать с неподвижными ориентирами в двумерном мире.
- MPE2 можно использовать бесплатно? Какая у него лицензия?
- MPE2 распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- MPE2 всё ещё поддерживается?
- Активно поддерживается. Последний коммит в MPE2 — 9 окт. 2026 г..
- Для чего можно использовать MPE2?
- Сравнение алгоритмов многоагентного обучения с подкреплением на небольших задачах коммуникации. Изучение эмерджентной коммуникации между сотрудничающими или конкурирующими агентами. Обучение многоагентному обучению с подкреплением на простых и понятных средах.
- Как установить MPE2?
- Установите пакет mpe2 из PyPI: pip install mpe2 Импортируйте среду и запустите цикл со случайным агентом, как показано в базовом примере: python -c "from mpe2 import simple_push_v3; env = simple_push_v3.env(render_mode='human'); env.reset(seed=42); env.close()"
- Где скачать MPE2?
- Исходный код и инструкции по установке — на GitHub: https://github.com/Farama-Foundation/MPE2
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
ASPIRE — фреймворк, в котором coding agents итеративно дорабатывают повторно используемые навыки роботов для симуляции и реальных манипуляционных задач вместо обучения весов модели.
Стартовый набор под лицензией MIT для развертывания и настройки AI Town — виртуального города, где живут, общаются и проводят время персонажи с ИИ; построен на Convex.
Универсальный физический движок для быстрой и точной симуляции контактирующих сочленённых тел, широко используемый в робототехнике и исследованиях машинного обучения.
Unity ML-Agents Toolkit превращает игры и симуляции на Unity в среды для обучения ИИ-агентов с помощью обучения с подкреплением и имитационного обучения.
Инфраструктура с открытым исходным кодом для уведомлений и общения с агентами: отправка сообщений в Inbox, Email, SMS, Push, Chat и Slack через единый API.