22、构建多智能体环境：从对抗到个性化奖励

构建多智能体环境：从对抗到个性化奖励

1. 对抗性自我博弈

在多智能体训练中，对抗性自我博弈是一种强大的方法。以 ML - Agents 的 Banana 环境为例，该环境中有多个智能体在场景中随机游走并收集香蕉，同时智能体还配备了激光指针，可使被击中的对手在数秒内失去行动能力。

操作步骤如下：
1. 从Assets | ML - Agents | Examples | BananaCollectors | Scenes文件夹中打开 Banana 场景。
2. 选择并禁用额外的训练区域RLArea(1)到RLArea(3)。
3. 选择RLArea中的五个智能体（Agent,Agent(1),Agent(2),Agent(3),Agent(4)）。
4. 将Banana Agent | Brain从BananaPlayer切换到BananaLearning。
5. 选择Academy并将Banana Academy | Brains | Control属性设置为Enabled。
6. 在编辑器中选择Banana Agent