nortem/marl-gpt-datasets

---
license: mit
pretty_name: MARL-GPT Datasets
tags:
- reinforcement-learning
- multi-agent
- offline-rl
- trajectories
task_categories:
- reinforcement-learning
---

# MARL-GPT Datasets

Offline expert trajectories from **“MARL-GPT: Foundation Model for Multi-Agent Reinforcement Learning”**.

## Environments

This dataset includes trajectories from the three evaluation domains used in MARL-GPT: **SMACv2** (StarCraft multi-agent combat), **Google Research Football (GRF)**, and **POGEMA** (partially observable multi-agent pathfinding on grids).

## Format

Trajectories are stored sequentially (no shuffling). Use the `done` flag to split the stream into per-agent trajectory segments.

Each transition is:

- `(obs, act, rew, done)`

Training-ready data is provided as a flattened dict of tensors:

- `obs`: `(B, n_obs_feat)`
- `act`: `(B,)`
- `rew`: `(B,)`
- `done`: `(B,)` (optional)
- `info_battle_won`: `(B,)` (optional)
- `action_mask`: `(B, n_act)` (optional)

`B` is the number of transitions in the flattened stream.

license: MIT许可证（mit）
pretty_name: MARL-GPT 数据集
tags:
- 强化学习（reinforcement learning）
- 多智能体（multi-agent）
- 离线强化学习（offline-rl）
- 轨迹（trajectories）
task_categories:
- 强化学习（reinforcement learning）

# MARL-GPT 数据集

本数据集源自论文**《MARL-GPT：面向多智能体强化学习的基础模型》**中的离线专家轨迹数据。

## 数据集涵盖的环境
本数据集包含MARL-GPT论文中使用的三类评估环境对应的轨迹数据：**SMACv2（星际争霸多智能体对战，StarCraft multi-agent combat）**、**谷歌研究足球（Google Research Football, GRF）** 以及 **POGEMA（网格环境下的部分可观测多智能体寻路，partially observable multi-agent pathfinding on grids）**。

## 数据格式
轨迹数据按序列存储（未进行打乱操作），可通过`done`标记将数据流切分为单智能体轨迹片段。
每条过渡样本的格式为：
- `(obs, act, rew, done)`
可直接用于训练的数据以扁平化张量字典形式提供：
- `obs`：形状为`(B, n_obs_feat)`的张量
- `act`：形状为`(B,)`的张量
- `rew`：形状为`(B,)`的张量
- `done`：形状为`(B,)`的张量（可选字段）
- `info_battle_won`：形状为`(B,)`的张量（可选字段，战斗胜利标记）
- `action_mask`：形状为`(B, n_act)`的张量（可选字段，动作掩码）
其中`B`为扁平化数据流中过渡样本的总数量。