问多智能体游戏的Openai健身环境

EN

是的，在多智能体游戏中可以使用OpenAI健身环境.尽管在多代理环境下的OpenAI健身房社区没有标准化的接口中，构建一个支持这一点的OpenAI健身房是非常容易的。例如，在OpenAI关于多agent粒子环境的近期工作中，继承自gym.Env的他们创造了一个多agent环境。采用以下形式：

class MultiAgentEnv(gym.Env):

    def step(self, action_n):
        obs_n    = list()
        reward_n = list()
        done_n   = list()
        info_n   = {'n': []}
        # ...
        return obs_n, reward_n, done_n, info_n

我们可以看到，step函数接受一个操作列表(每个代理一个)，并返回一个观察列表、奖励列表、dones列表，同时将环境向前推进。这个接口是马尔可夫博弈的代表，在这个接口中，所有的代理同时采取行动，并且每个人都观察自己的后续观察、奖励。

然而，这种马尔可夫博弈接口并不适用于所有的多智能体环境.特别是，基于转盘的游戏(如纸牌游戏)可能更好地转换为交替的马尔可夫博弈，在这种游戏中，代理一次轮流(即动作)一次。对于这种环境，您可能需要包含哪一个代理处于状态表示中，然后步骤函数只需采取单个操作，并返回一个观察、奖励和完成。

OpenAI团队已经实现了一种多agent深确定性策略梯度MADDPG方法。

这是要开始的回购计划。https://github.com/openai/multiagent-particle-envs

强化学习这里有一个特定的多agent环境.它支持用任何编程语言编写的任意数量的代理。一个例子游戏已经实现，这恰好是一个纸牌游戏。