VmasEnv¶
- torchrl.envs.VmasEnv(*args, **kwargs)[源代码]¶
Vmas 环境包装器。
GitHub：https://github.com/proroklab/VectorizedMultiAgentSimulator
论文：https://arxiv.org/abs/2207.03530
- 参数：
scenario (str or vmas.simulator.scenario.BaseScenario) – 要构建的 vmas 场景。必须是
available_envs之一。有关可用场景的描述和渲染，请参阅自述文件.- 关键字参数：
num_envs (int) – 矢量化模拟环境的数量。VMAS 使用 PyTorch 执行矢量化模拟。此参数表示在批次中模拟的矢量化环境的数量。它还将确定环境的批次大小。
device (torch.device, 可选) – 模拟的设备。默认为默认设备。VMAS 创建的所有张量都将放置在此设备上。
continuous_actions (bool, 可选) – 是否使用连续动作。默认为
True。如果为False，则动作将是离散的。动作的数量及其大小将取决于所选场景。有关更多信息，请参阅 VMAS 存储库。max_steps (int, 可选) – 任务的范围。默认为
None（无限范围）。每个 VMAS 场景都可以终止或不终止。如果指定了max_steps，则该场景也会在达到此范围时终止（并且会设置"terminated"标志）。与 gym 的TimeLimit变换或 torchrl 的StepCounter不同，此参数不会在 tensordict 中设置"truncated"条目。categorical_actions (bool, 可选) – 如果环境动作是离散的，则是否将其转换为分类或独热。默认为
True。group_map (MarlGroupMapType or Dict[str, List[str]], 可选) – 如何在 tensordicts 中对输入/输出进行智能体分组。默认情况下，如果智能体名称遵循
"<name>_<int>"约定，则它们将按"<name>"进行分组。如果它们不遵循此约定，则它们将全部放在一个名为"agents"的组中。否则，可以从某些预制选项中指定或选择组映射。有关更多信息，请参阅MarlGroupMapType。**kwargs (Dict, 可选) – 这些是可传递给 VMAS 场景构造函数的附加参数。（例如，智能体数量、奖励稀疏性）。可用参数将根据所选场景而有所不同。要查看特定场景的可用参数，请参阅 场景文件夹 中其文件的构造函数。
- 变量：
group_map (Dict[str, List[str]]) – 如何在 tensordicts 中对输入/输出进行智能体分组。有关更多信息，请参阅
MarlGroupMapType。agent_names (str 列表) – 环境中智能体的名称
agent_names_to_indices_map (Dict[str, int]) – 将智能体名称映射到它们在环境中的索引的字典
unbatched_action_spec (TensorSpec) – 没有矢量化维度的规范版本
unbatched_observation_spec (TensorSpec) – 没有矢量化维度的规范版本
unbatched_reward_spec (TensorSpec) – 没有矢量化维度的规范版本
het_specs (bool) – 环境中是否包含任何延迟规范
het_specs_map (Dict[str, bool]) – 将每个组映射到一个标志的字典，该标志表示该组是否包含延迟规范
available_envs (str 列表) – 可用于构建的场景列表。
警告
VMAS 返回一个单独的
done标志，该标志不区分环境何时到达max_steps和终止。如果您认为truncation信号是必要的，请将max_steps设置为None并使用StepCounter变换。示例
>>> env = VmasEnv( ... scenario="flocking", ... num_envs=32, ... continuous_actions=True, ... max_steps=200, ... device="cpu", ... seed=None, ... # Scenario kwargs ... n_agents=5, ... ) >>> print(env.rollout(10)) TensorDict( fields={ agents: TensorDict( fields={ action: Tensor(shape=torch.Size([32, 10, 5, 2]), device=cpu, dtype=torch.float32, is_shared=False), info: TensorDict( fields={ agent_collision_rew: Tensor(shape=torch.Size([32, 10, 5, 1]), device=cpu, dtype=torch.float32, is_shared=False), agent_distance_rew: Tensor(shape=torch.Size([32, 10, 5, 1]), device=cpu, dtype=torch.float32, is_shared=False)}, batch_size=torch.Size([32, 10, 5]), device=cpu, is_shared=False), observation: Tensor(shape=torch.Size([32, 10, 5, 18]), device=cpu, dtype=torch.float32, is_shared=False)}, batch_size=torch.Size([32, 10, 5]), device=cpu, is_shared=False), done: Tensor(shape=torch.Size([32, 10, 1]), device=cpu, dtype=torch.bool, is_shared=False), next: TensorDict( fields={ agents: TensorDict( fields={ info: TensorDict( fields={ agent_collision_rew: Tensor(shape=torch.Size([32, 10, 5, 1]), device=cpu, dtype=torch.float32, is_shared=False), agent_distance_rew: Tensor(shape=torch.Size([32, 10, 5, 1]), device=cpu, dtype=torch.float32, is_shared=False)}, batch_size=torch.Size([32, 10, 5]), device=cpu, is_shared=False), observation: Tensor(shape=torch.Size([32, 10, 5, 18]), device=cpu, dtype=torch.float32, is_shared=False), reward: Tensor(shape=torch.Size([32, 10, 5, 1]), device=cpu, dtype=torch.float32, is_shared=False)}, batch_size=torch.Size([32, 10, 5]), device=cpu, is_shared=False), done: Tensor(shape=torch.Size([32, 10, 1]), device=cpu, dtype=torch.bool, is_shared=False), terminated: Tensor(shape=torch.Size([32, 10, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([32, 10]), device=cpu, is_shared=False), terminated: Tensor(shape=torch.Size([32, 10, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([32, 10]), device=cpu, is_shared=False)
