如何快速开始multi-agent-emergence-environments10分钟搭建你的第一个捉迷藏AI环境【免费下载链接】multi-agent-emergence-environmentsEnvironment generation code for the paper Emergent Tool Use From Multi-Agent Autocurricula项目地址: https://gitcode.com/gh_mirrors/mu/multi-agent-emergence-environmentsmulti-agent-emergence-environments是一个基于多智能体自主课程的环境生成代码库能够帮助你快速搭建捉迷藏等AI环境让智能体在其中展现出工具使用等涌现行为。 10分钟极速安装指南克隆项目仓库首先你需要将项目代码克隆到本地打开终端执行以下命令git clone https://gitcode.com/gh_mirrors/mu/multi-agent-emergence-environments安装依赖项该项目依赖mujoco-worldgen包你需要先克隆并安装它及其依赖pip install -r mujoco-worldgen/requirements.txt pip install -e mujoco-worldgen/ pip install -e multi-agent-emergence-environments/如果你需要运行保存的策略还需安装额外的包pip install -r multi-agent-emergence-environments/requirements_ma_policy.txt注意该仓库仅在Mac OS X和Ubuntu 16.04上使用Python 3.6进行了测试。 环境概览multi-agent-emergence-environments提供了多种环境包括Hide and seek- mae_envs/envs/hide_and_seek.py - 论文中描述的捉迷藏环境包含随机房间、象限和食物版本的游戏。Box locking- mae_envs/envs/box_locking.py - 包含论文中描述的锁定与返回和顺序锁定转移任务。Blueprint Construction- mae_envs/envs/blueprint_construction.pyShelter Construction- mae_envs/envs/shelter_construction.py环境构建遵循以下方式从mae_envs/envs/base.py中定义的Base环境开始然后添加环境模块如Boxes、Ramps、RandomWalls等最后添加包装器。 测试你的第一个环境你可以使用bin/examine脚本测试环境。例如bin/examine.py base你还可以使用bin/examine在环境上运行保存的策略。examples文件夹中有几个环境jsonnet和策略。例如bin/examine.py examples/hide_and_seek_quadrant.jsonnet examples/hide_and_seek_quadrant.npz更多使用示例bin/examine.py hide_and_seek bin/examine.py mae_envs/envs/base.py bin/examine.py base n_boxes6 n_ramps2 n_agents3 bin/examine.py my_env_jsonnet.jsonnet bin/examine.py hide_and_seek my_policy.npz n_hiders3 n_seekers2 n_boxes8 n_ramps1️ 构建新环境的最佳实践如果你想构建新环境我们强烈建议使用上述范例以最大限度地减少代码重复。如果你需要此代码库中不存在的新对象或游戏动态可以通过新的EnvModule类或gym.Wrapper类添加它们而不是子类化Base或mujoco-worldgen的Env类。一般来说EnvModules应用于向环境添加对象或站点或者修改mujoco模拟器包装器应用于其他所有内容例如添加奖励、额外观察或实现锁定和抓取等游戏机制。 项目结构概览examples/: 包含环境jsonnet和策略文件如examples/hide_and_seek_quadrant.jsonnet和examples/hide_and_seek_quadrant.npz。ma_policy/: 包含多智能体策略相关代码如ma_policy/ma_policy.py。mae_envs/: 包含环境定义和相关模块如mae_envs/envs/和mae_envs/wrappers/。randomized_uncertain_social_preferences/: 包含随机不确定社会偏好相关代码。通过以上步骤你已经成功搭建了multi-agent-emergence-environments环境并了解了基本的使用方法。现在你可以开始探索这个强大的多智能体环境观察AI智能体如何在其中展现出令人惊叹的涌现行为【免费下载链接】multi-agent-emergence-environmentsEnvironment generation code for the paper Emergent Tool Use From Multi-Agent Autocurricula项目地址: https://gitcode.com/gh_mirrors/mu/multi-agent-emergence-environments创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
如何快速开始multi-agent-emergence-environments：10分钟搭建你的第一个捉迷藏AI环境
发布时间：2026/5/22 4:29:41
如何快速开始multi-agent-emergence-environments10分钟搭建你的第一个捉迷藏AI环境【免费下载链接】multi-agent-emergence-environmentsEnvironment generation code for the paper Emergent Tool Use From Multi-Agent Autocurricula项目地址: https://gitcode.com/gh_mirrors/mu/multi-agent-emergence-environmentsmulti-agent-emergence-environments是一个基于多智能体自主课程的环境生成代码库能够帮助你快速搭建捉迷藏等AI环境让智能体在其中展现出工具使用等涌现行为。 10分钟极速安装指南克隆项目仓库首先你需要将项目代码克隆到本地打开终端执行以下命令git clone https://gitcode.com/gh_mirrors/mu/multi-agent-emergence-environments安装依赖项该项目依赖mujoco-worldgen包你需要先克隆并安装它及其依赖pip install -r mujoco-worldgen/requirements.txt pip install -e mujoco-worldgen/ pip install -e multi-agent-emergence-environments/如果你需要运行保存的策略还需安装额外的包pip install -r multi-agent-emergence-environments/requirements_ma_policy.txt注意该仓库仅在Mac OS X和Ubuntu 16.04上使用Python 3.6进行了测试。 环境概览multi-agent-emergence-environments提供了多种环境包括Hide and seek- mae_envs/envs/hide_and_seek.py - 论文中描述的捉迷藏环境包含随机房间、象限和食物版本的游戏。Box locking- mae_envs/envs/box_locking.py - 包含论文中描述的锁定与返回和顺序锁定转移任务。Blueprint Construction- mae_envs/envs/blueprint_construction.pyShelter Construction- mae_envs/envs/shelter_construction.py环境构建遵循以下方式从mae_envs/envs/base.py中定义的Base环境开始然后添加环境模块如Boxes、Ramps、RandomWalls等最后添加包装器。 测试你的第一个环境你可以使用bin/examine脚本测试环境。例如bin/examine.py base你还可以使用bin/examine在环境上运行保存的策略。examples文件夹中有几个环境jsonnet和策略。例如bin/examine.py examples/hide_and_seek_quadrant.jsonnet examples/hide_and_seek_quadrant.npz更多使用示例bin/examine.py hide_and_seek bin/examine.py mae_envs/envs/base.py bin/examine.py base n_boxes6 n_ramps2 n_agents3 bin/examine.py my_env_jsonnet.jsonnet bin/examine.py hide_and_seek my_policy.npz n_hiders3 n_seekers2 n_boxes8 n_ramps1️ 构建新环境的最佳实践如果你想构建新环境我们强烈建议使用上述范例以最大限度地减少代码重复。如果你需要此代码库中不存在的新对象或游戏动态可以通过新的EnvModule类或gym.Wrapper类添加它们而不是子类化Base或mujoco-worldgen的Env类。一般来说EnvModules应用于向环境添加对象或站点或者修改mujoco模拟器包装器应用于其他所有内容例如添加奖励、额外观察或实现锁定和抓取等游戏机制。 项目结构概览examples/: 包含环境jsonnet和策略文件如examples/hide_and_seek_quadrant.jsonnet和examples/hide_and_seek_quadrant.npz。ma_policy/: 包含多智能体策略相关代码如ma_policy/ma_policy.py。mae_envs/: 包含环境定义和相关模块如mae_envs/envs/和mae_envs/wrappers/。randomized_uncertain_social_preferences/: 包含随机不确定社会偏好相关代码。通过以上步骤你已经成功搭建了multi-agent-emergence-environments环境并了解了基本的使用方法。现在你可以开始探索这个强大的多智能体环境观察AI智能体如何在其中展现出令人惊叹的涌现行为【免费下载链接】multi-agent-emergence-environmentsEnvironment generation code for the paper Emergent Tool Use From Multi-Agent Autocurricula项目地址: https://gitcode.com/gh_mirrors/mu/multi-agent-emergence-environments创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
