使用Pytorch在StarCraft II 星际争霸2上实现多智能体强化学习算法杂文

文章目录

前言
- smac环境介绍
- - 状态和观察
  - 动作空间
  - 奖赏
正文
- torchMARL
- - Corresponding Papers
  - Installation
  - Usage
  - Results
  - - 3m
    - 5m_vs_6m

前言之前因为一直没有实现Weighted QMIX，感觉公开的意义不大，所以就没写博客介绍。现在已基本复现了效果，受制于计算资源，没有完整运行论文中的实验。
仓库链接：https://github.com/jingranburangyongzhongwen/torchMARL，欢迎star和给issue
smac环境介绍状态和观察
在每个时间步，agent都会收到在其视野内的局部观察。这包括关于每个单位周围圆形区域内的地图信息，半径等于视野范围。从每个agent的角度来看，视野范围使环境部分可观察。agent只能观察都活着并且位于视线范围内的其他agent。因此，agent无法确定他们的队友是走远了，还是死了。
每个agent观察到的特征向量包含视野范围内友军和敌军单位的以下属性：distance, relative x, relative y, health, shield, and unit_type。agent控制单位的health, shield and unit_type也包含在观察里。shield作为额外的保护源，需要在对单位的health造成任何损害之前移除。所有 Protos 单位都有shield，如果没有造成新的伤害，shield可以再生（其他两个种族的单位没有这个属性）。此外，agent可以访问视野中的盟军单位的上一个动作。最后，agent可以观察他们周围的地形特征；具体点，固定半径处的八个点的值表示高度和可步行性。
全局状态仅在集中训练期间对agent可得到，包含有关地图上所有单元的信息。具体来说，状态向量包括所有agent相对于地图中心的坐标，以及观察中存在的单元特征。此外，状态存储 Medivacs 的 energy 和其余友军单位的 cooldown，这代表了两次攻击之间的最小延迟。最后，所有agent的上一个动作都附加到全局状态。
所有特征，无论是在状态中还是在个体agent的观察中，都通过它们的最大值进行归一化。所有agent的视线范围都设置为 9。
动作空间
smac允许agent采取的离散动作集包括move[direction] (four directions: north, south, east, or west), attack[enemy_id], stop and no-op，所以至少7个动作，跟环境中enemy数目有关。死agent只能采取no-op，而活agent则不能。对于治疗单位，医疗运输机必须使用 heal[agent_id] 动作而不是 attack[enemy_id]。agent可以执行的最大动作数介于 7 到 70 之间，具体取决于场景。
为了确保任务的分散化，agent被限制只能对他们射击范围内的敌人使用 attack[enemy_id] 动作。这另外限制了单位对远处敌人使用内置 attack-move 宏动作的能力。射击范围为 6。比射击范围更大的视野迫使agent在开始射击之前使用move命令。
奖赏
总体目标是在每个战斗场景中获得最高的胜率。除了对应的 +1 和 -1 的奖赏，还有杀死敌方（盟军）单位后的一些正（负）奖励和/或正（负）奖励赢得（输掉）战斗。作者强烈反对对奖赏函数进行不诚实的工程（例如，针对不同场景调整不同的奖赏函数）。
正文 torchMARL 主要是一些MARL算法的pytorch实现，目前包括：
VDN, QMIX, Weighted QMIX(CW-QMIX, OW-QMIX)
该项目基于 https://github.com/starry-sky6688/StarCraft 改进得到，简化了模块与算法流程，改进可视化，方便建立自己的算法库。
【使用Pytorch在StarCraft II 星际争霸2上实现多智能体强化学习算法】网络参数设置与“The StarCraft Multi-Agent Challenge”（SMAC）中保持一致。
目前在StarCraft II上进行测试，但可以方便地迁移到任意封装好的环境使用。
相关资料：Pymarl
Corresponding Papers

QMIX: Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning
Value-Decomposition Networks For Cooperative Multi-Agent Learning
Counterfactual Multi-Agent Policy Gradients
QTRAN: Learning to Factorize with Transformation for Cooperative Multi-Agent Reinforcement Learning
Learning Multiagent Communication with Backpropagation
From Few to More: Large-scale Dynamic Multiagent Curriculum Learning
Multi-Agent Game Abstraction via Graph Attention Neural Network
MAVEN: Multi-Agent Variational Exploration
Weighted QMIX: Expanding Monotonic Value Function Factorisation
The StarCraft Multi-Agent Challenge

Installation

Python >= 3.6
Pytorch >= 1.2
SMAC
Seaborn >= 0.9

对于SMAC，这里简单介绍一下linux下的安装，Windows等系统可以查看他们的仓库。

通过下列命令安装SMAC
pip install git+https://github.com/oxwhirl/smac.git
安装StarCraft II，这里给出 4.6.2 的下载链接，因为SMAC用的就是这个，并且他说不同版本之间不能比较，其余版本可以查看暴雪的仓库，解压时需要密码iagreetotheeula。解压后文件默认路径为~/StarCraftII/，如果放在别的路径，需要更改环境变量SC2PATH
下载SMAC MAPS，解压后将文件夹直接放在$SC2PATH/Maps下即可
运行python -m smac.bin.map_list测试地图是否放置成功，运行python -m smac.examples.random_agents测试安装是否成功。如果是centos的话可能会出现因为缺少对应版本依赖/home/user/SMAC/StarCraftII/Versions/Base75689/SC2_x64: /lib64/libc.so.6: version 'GLIBC_2.18' not found (required by /home/user/SMAC/StarCraftII/Libs/libstdc++.so.6)而导致pysc2.lib.remote_controller.ConnectError: Failed to connect to the SC2 websocket. Is it up?，这时候就要根据情况安装依赖或者使用docker了。

Usage

$ python main.py --map=3m --alg=qmix

或者直接pycharm打开项目，run main.py即可，也可以使用run.sh复现QMIX、CW-QMIX、OW-QMIX在5m_vs_6m上的实验。
SMAC的各种地图描述在这里：https://github.com/oxwhirl/smac/blob/master/docs/smac.md
Results
暂时只贴一部分，因为我目前主要实现值分解的算法。所有地图的环境设置均与SMAC相同，难度为7（VeryHard）
3m