<p align="center"> <img width="350px" src="https://yellow-cdn.veclightyear.com/0a4dffa0/87d27339-2cf1-402b-a12f-39222bf241d4.png" align="center" alt="多机器人仓库 (RWARE)" /> <p align="center">一个多智能体强化学习环境</p> </p>

[!注意] RWARE环境已更新，以支持新的Gymnasium接口，取代了已弃用的gym=0.21依赖（非常感谢@LukasSchaefer）。关于向后兼容性，请参阅Gymnasium兼容性文档或使用仓库的v1.0.3版本。接口的主要变化如下：

obss = env.reset() --> obss, info = env.reset()

obss, rewards, dones, info = env.step(actions) --> obss, rewards, done, truncated, info = env.step(actions)

done作为单个布尔值给出，而不是每个智能体一个bool值

你可以通过obss, info = env.reset(seed=42)给重置函数一个特定的种子，以初始化特定的回合。

环境描述
环境参数
- 命名方案
- 自定义布局
安装
入门
请引用

环境描述

多机器人仓库（RWARE）环境模拟了一个有机器人移动和递送请求商品的仓库。这个模拟器的灵感来自现实世界的应用，其中机器人拾取货架并将它们送到工作站。人类访问货架的内容，然后机器人可以将它们返回到空的货架位置。

该环境是可配置的：它允许不同的大小（难度）、智能体数量、通信能力和奖励设置（合作/个人）。当然，每个实验中使用的参数必须清楚地报告，以允许算法之间进行公平比较。

它看起来是什么样的？

以下是一个小型（10x20）仓库的四个经过训练的智能体的图示。智能体已经使用SEAC算法[2]进行了训练。可以使用env.render()函数实现这种可视化，稍后将对此进行描述。

动作空间

在这个模拟中，机器人有以下离散动作空间：

A={向左转，向右转，前进，装载/卸载货架}

前三个动作只允许每个机器人旋转和向前移动。装载/卸载只在智能体位于预定位置的货架下方时才有效。

观察空间

智能体的观察是部分可观察的，由以智能体为中心的3x3（可配置）方格组成。在这个有限的网格内，所有实体都是可观察的：

位置、旋转以及智能体是否携带货架。
其他机器人的位置和旋转。
货架以及它们当前是否在请求队列中。

动态：碰撞

环境的动态特性也特别有趣。就像真实的三维仓库一样，机器人可以在货架下移动。当然，当机器人装载时，它们必须使用走廊，避开任何静止的货架。

任何碰撞都以允许最大移动性的方式解决。当两个或更多智能体试图移动到同一位置时，我们优先考虑那个也阻挡了其他智能体的智能体。否则，选择是任意的。下面的视觉效果展示了各种碰撞的解决方案。

示例1	示例2	示例3

奖励

在每个时间点，都会请求一定数量R的货架。当一个请求的货架被带到目标位置时，另一个货架会被均匀采样并添加到当前请求中。智能体成功将请求的货架送到目标位置时会获得奖励1。这些环境中的一个重大挑战是让智能体不仅要递送请求的货架，还要找到一个空位置来返回先前递送的货架。在递送之间有多个步骤会导致奖励信号非常稀疏。

环境参数

多机器人仓库任务由以下参数化：

仓库的大小，预设为微小（10x11）、小型（10x20）、中型（16x20）或大型（16x29）。
智能体数量N。
请求货架数量R。默认情况下R=N，但环境的简单和困难变体分别使用R = 2N和R = N/2。

请注意，R直接影响环境的难度。较小的R，特别是在较大的网格上，会显著影响奖励的稀疏性，从而影响探索：随机带来正确的货架变得越来越不可能。

命名方案

虽然RWARE在使用Warehouse类时允许微调多个参数，但为了简单起见，它还在Gymnasium中注册了多个默认环境。

注册的名称看起来像rware-tiny-2ag-v1，一开始可能看起来很神秘，但实际上并不复杂。每个名称总是以rware开头。接下来，地图大小被附加为-tiny、-small、-medium或-large。地图中的机器人数量被选择为Xag，其中X是大于1的数字（例如，-4ag表示4个智能体）。难度修饰符可选择附加为-easy或-hard，使请求的货架数量分别为智能体数量的两倍或一半（见奖励部分）。最后，-v2是Gymnasium要求的版本。在撰写本文时，所有环境都是v1，但我们会在更改或修复错误时增加它。

几个例子：

import gymnasium as gym
import rware

env = gym.make("rware-tiny-2ag-v2")
env = gym.make("rware-small-4ag-v2")
env = gym.make("rware-medium-6ag-hard-v2")

当然，还有更多设置可用，但必须在环境创建期间更改。例如：

import gymnasium as gym
import rware

env = gym.make("rware-tiny-2ag-v2", sensor_range=3, request_queue_size=6)

自定义布局

你可以通过以下方式设计自定义仓库布局：

import gymnasium as gym
import rware
layout = """
.......
...x...
..x.x..
.x...x.
..x.x..
...x...
.g...g.
"""
env = gym.make("rware:rware-tiny-2ag-v2", layout=layout)

这将把"X"转换为货架，"G"转换为目标位置，结果如下图所示：

所有参数的详细解释可以在这里找到

安装

假设你已经安装了Python3（最好是在虚拟环境中：venv或Anaconda），你可以使用PyPI：

pip install rware

如果你更喜欢能够获取和编辑代码，可以使用Git下载并安装：

git clone git@github.com:uoe-agents/robotic-warehouse.git
cd robotic-warehouse
pip install -e .

入门

RWARE设计为与Open AI的Gym框架兼容。

创建环境的方式与创建Gym环境完全相同：

import gymnasium as gym
import rware
env = gym.make("rware-tiny-2ag-v2")

你甚至可以绕过Gym的import语句，直接使用：

import gymnasium as gym
env = gym.make("rware:rware-tiny-2ag-v2")

环境名称开头的rware:告诉Gym导入相应的包。

代理数量、观察空间和动作空间可以通过以下方式访问：

env.n_agents  # 2
env.action_space  # Tuple(Discrete(5), Discrete(5))
env.observation_space  # Tuple(Box(XX,), Box(XX,))

返回的空间来自Gym库（gym.spaces）。元组的每个元素对应一个代理，这意味着len(env.action_space) == env.n_agents和len(env.observation_space) == env.n_agents始终为真。

reset和step函数与Gym相同：

obs = env.reset()  # 观察的元组

actions = env.action_space.sample()  # 可以对动作空间进行采样
print(actions)  # (1, 0)
n_obs, reward, done, info = env.step(actions)
print(done)    # False
print(reward)  # [0.0, 0.0]

这里唯一与Gym不同的是：奖励和done标志是列表，每个元素对应各自的代理。

最后，可以为调试目的渲染环境：

env.render()

在终止前应关闭环境：

env.close()

请引用

如果你使用这个环境，请考虑引用

包含此环境的MARL算法比较评估

@inproceedings{papoudakis2021benchmarking,
   title={Benchmarking Multi-Agent Deep Reinforcement Learning Algorithms in Cooperative Tasks},
   author={Georgios Papoudakis and Filippos Christianos and Lukas Schäfer and Stefano V. Albrecht},
   booktitle = {Proceedings of the Neural Information Processing Systems Track on Datasets and Benchmarks (NeurIPS)},
   year={2021},
   url = {http://arxiv.org/abs/2006.07869},
   openreview = {https://openreview.net/forum?id=cIrPX-Sn5n},
   code = {https://github.com/uoe-agents/epymarl},
}

在机器人仓库任务中达到最先进性能的方法

@inproceedings{christianos2020shared,
 author = {Christianos, Filippos and Sch\"{a}fer, Lukas and Albrecht, Stefano},
 booktitle = {Advances in Neural Information Processing Systems},
 editor = {H. Larochelle and M. Ranzato and R. Hadsell and M. F. Balcan and H. Lin},
 pages = {10707--10717},
 publisher = {Curran Associates, Inc.},
 title = {Shared Experience Actor-Critic for Multi-Agent Reinforcement Learning},
 url = {https://proceedings.neurips.cc/paper/2020/file/7967cc8e3ab559e68cc944c44b1cf3e8-Paper.pdf},
 volume = {33},
 year = {2020}
}