ML-Agents Cooperative Push Block环境用Python API无法获取奖励咨询

Cooperative Push Block环境使用*Group Reward（组奖励）*机制，所有奖励值不会写入单智能体的独立奖励字段，你当前使用的单智能体奖励读取逻辑仅适配Single Push Block这类非组奖励的单智能体环境，因此会始终返回0。

直接读取决策步/终端步的组奖励字段即可获取正确的奖励值，修改后的代码如下：

decision_steps, terminal_steps = env.get_steps(behavior_name)
episode_rewards = 0

# 读取决策步组奖励
if len(decision_steps) > 0:
    # 全局组奖励，同组所有智能体共享该奖励值
    step_group_reward = decision_steps.group_reward
    episode_rewards += step_group_reward
    print('REWARD', step_group_reward)

# 也可按单个跟踪智能体读取，数值和全局组奖励一致
if tracked_agent in decision_steps:
    episode_rewards += decision_steps[tracked_agent].group_reward

# 不要遗漏终端步的组奖励结算
if tracked_agent in terminal_steps:
    episode_rewards += terminal_steps[tracked_agent].group_reward

• 每步默认的-0.0001时间惩罚会直接通过group_reward返回
• 智能体协作推动方块到对应等级的目标区域时，+1/+2/+3的正向奖励也会写入该字段
• 如果修改后依然无法获取奖励，可检查导出环境时是否勾选了组奖励导出选项，官方原生示例环境导出时默认开启该配置

内容的提问来源于stack exchange，提问作者escribano101