Cooperative Navigation Benchmark Environment

该数据集涉及多智能体协作导航任务，在二维网格世界中，智能体们需要各自导航以达到设定的目标。奖励函数定义为智能体与目标之间的欧几里得距离的负值，同时对于碰撞行为设有惩罚。智能体的策略由一个包含三层的密集神经网络来表示。该任务的规模涉及五个智能体，属于多智能体强化学习任务范畴。