survev

Reddit上一位开发者分享了使用MAPPO训练4人小队玩survev（一个开源surviv.io克隆）的实验，并放出一段40秒实战短片。

survev是一个开源的surviv.io克隆，其战局中每个角色都由AI bot控制。

实验中四个小队成员共享同一个actor网络，agent id作为输入来区分身份。

actor的输入严格等同于真实游戏客户端：约1.4k维特征、两个24x24局部网格、一张小地图，经小型CNN处理，对最多12个可见敌人进行集合编码，再送入256维GRU做时序记忆。

actor的输入与真实客户端一致，因此同一网络可打包成浏览器扩展直接运行，无需服务器开后门。

特权状态（全局敌人位置、血量全貌等）只喂给centralized critic，用于降低训练时的方差。

动作空间分三层：先选intent（搜刮、探索、找掩体、探头、撤退、重新集结、推进、进圈等），再选target，最后选具体动作（枪、近战、手雷、烟雾、治疗）。

小队共享一个团队奖励，奖励项包括造成和承受的伤害、击倒与击杀、最终排名，外加集火、交叉火力、救援等团队协作项。

作者未公开代码和全部细节，理由是公开后这种bot可被用于公共服务器作弊。