报道：深度强化学习实验室
来源：https://arxiv.org/abs/2011.12...
编辑：DeepRL
基于竞争性自学（CSP）的多智能体强化学习（MARL）最近表现出了出惊人的突破。包括Dota2、《王者荣耀》《雷神之锤III》《星际争霸II》等。尽管取得了成功，但MARL训练特别需要数据，在训练过程中通常需要从环境中看到数十亿个帧，这给研究人员、工程师带来了不小的困难。为了解决这个问题，腾讯团队开发了TLeague的框架，其旨在进行大规模训练并实现几种主流的CSP-MARL算法。训练可在单台机器上或混合机器（CPU和GPU）环境集群中部署，在进行分布式训练时，TLeague可以实现高吞吐量和合理的放大。由于采用了模块化设计，因此也很容易扩展，其可以解决其他多智能体问题或实现和验证MARL算法。
框架的整体结构如下图所示：
训练程序的运行方式如下：
# startpython render_template . py foobar . yml . jinja2 | kubectl apply -f -# stoppython render_template . py foobar . yml . jinja2 | kubectl delete -f -同样，TLeague与IMPALA和SEED最相似，即也采用Actor-Learner-InferenceServer体系结构。也就是解耦RL组件与IMPALA和SEED最相似。下面是TLeague的工作流过程。
其中使用TLeague框架时需要的包环境
- TLeague: the main logic of Competitive SelfPlay MultiAgent Reinforcement Learning.
- TPolicies: a lib for building Neural Net used in RL and IL.
- Arena: a lib of environments and env-agent interfaces. See the docs therein for how to install.
实现效果如下：
代码结构
安装依赖环境
'gym','joblib','numpy','scipy','pyzmq','paramiko','libtmux','abslpy','xlrd','pyyaml','psutil','namedlist',
安装过程
pip install -e .代码测试执行过程：
论文链接：https://arxiv.org/abs/2011.12...
https://github.com/tencent-ai...
推荐阅读
专注深度强化学习前沿技术干货，论文，框架，学习路线等，欢迎关注微信公众号。
更多深度强化学习精选知识请关注深度强化学习实验室专栏，投稿请联系微信 1946738842.
