Joust¶

此环境是 Atari 环境的一部分。请先阅读该页面以获取一般信息。

导入	`from pettingzoo.atari import joust_v3`
动作空间 (Actions)	离散
Parallel API	是
手动控制	否
智能体 (Agents)	`agents= ['first_0', 'second_0']`
智能体 (Agents)	2
动作形状 (Action Shape)	(1,)
动作值 (Action Values)	[0,17]
观察形状 (Observation Shape)	(210, 160, 3)
观察值 (Observation Values)	(0,255)

在一个残酷的世界中，通过得分来玩的混合总和游戏。细致的定位、时机把握和控制至关重要，同时也要注意你的对手。

在 Joust 中，当你处于对手和 NPC 上方时击中他们即可得分。如果你在他们下方，你会损失一条生命。在游戏中，有各种波次，包含不同的敌人和不同的得分系统。然而，预计每波你可以获得大约 3000 分。

Joust 官方手册

环境参数¶

环境参数适用于所有 Atari 环境，并在 Atari 基本文档中描述。

动作空间¶

在任何给定回合中，智能体可以从 18 种动作中选择一种。

动作 (Action)	行为 (Behavior)
0	无操作
1	射击
2	向上移动
3	向右移动
4	向左移动
5	向下移动
6	向右上移动
7	向左上移动
8	向右下移动
9	向左下移动
10	向上射击
11	向右射击
12	向左射击
13	向下射击
14	向右上射击
15	向左上射击
16	向右下射击
17	向左下射击

版本历史¶

v3: 最小动作空间 (1.18.0)
v2: 整个 API 的重大变更 (1.4.0)
v1: 修复了所有环境处理过早死亡的方式 (1.3.0)
v0: 初版发布 (1.0.0)

用法¶

AEC¶

from pettingzoo.atari import joust_v3

env = joust_v3.env(render_mode="human")
env.reset(seed=42)

for agent in env.agent_iter():
    observation, reward, termination, truncation, info = env.last()

    if termination or truncation:
        action = None
    else:
        # this is where you would insert your policy
        action = env.action_space(agent).sample()

    env.step(action)
env.close()

Parallel¶

from pettingzoo.atari import joust_v3

env = joust_v3.parallel_env(render_mode="human")
observations, infos = env.reset()

while env.agents:
    # this is where you would insert your policy
    actions = {agent: env.action_space(agent).sample() for agent in env.agents}

    observations, rewards, terminations, truncations, infos = env.step(actions)
env.close()

API¶

class pettingzoo.atari.joust.joust.raw_env(**kwargs)[source]¶