MULTI-AGENT REINFORCEMENT LEARNING

四人缩圈大逃杀

共享策略 · PPO · 课程学习　/　观察智能体从求生到围猎

读取训练状态…

训练进度

加载中

CURRICULUM 01 / 03

— — 目标 1,000,000 环境步

01宽松生存无缩圈 · 建立生存策略

02慢速缩圈每 60 回合 · 练习转场

03大逃杀每 40 回合 · 完整对抗

共享策略1 套四名玩家共用

当前策略更新—已完成训练对局

训练环境4 个CPU · 独立种子

最新回放—等待首局回放

24 × 24 网格　/　3 层 CNN　/　4 人同步行动

MATCH PLAYBACK

训练过程— 回合

尚无可播放回放

空格播放　← → 单步

青蛇橙蛇紫蛇绿蛇食物缩圈预警

TRAINING TRENDS

回放中最终仅剩一条蛇的比例，不代表当前策略独立胜率等待数据

LATEST CHECKPOINT

7 通道地图
uint8 · 24×24→3× CNN
3×3 卷积→共享 PPO
策略 + 价值头

每 10 局保存压缩回放 · checkpoint 每 10k 环境步原子更新

回放曲线统计最近 20 局是否出现唯一存活者；策略胜率以独立基线评测为准。