简体中文 · English
复现完整单人对局,接入学习策略,检查每一步的决策结果。
《卫戍协议:盟约》的 Gymnasium 环境,维护单人绝境模式(mode_single_abyss)。0.3.3 Rust 运行时负责战斗、账本、奖励、候选和数值编码,支持多环境并行与战斗回放。策略研究在 ArkGuardRL 维护。上游游戏 · 策略研究
准备 Python 3.12、Rust stable、系统链接工具及外部 0.3.3 数据目录。
git clone https://github.com/ArkStrongholdRL/ArkGuardRL-Core.git
cd ArkGuardRL-Core
python -m pip install -e '.[gym]'
PYO3_PYTHON="$(command -v python)" cargo build --release --locked -p arkguard-pythonimport gymnasium as gym
import arkguardrl_core.native_gym
with gym.make(
"ArkGuardRL-v1",
data_root="/path/to/0.3.3/data",
core="band_sarkazb",
native_library="target/release/lib_native.dylib",
) as env:
env.action_space.seed(42)
obs, info = env.reset(seed=42)
while True:
action = env.action_space.sample(mask=obs["action_mask"])
obs, reward, terminated, truncated, info = env.step(action)
if terminated or truncated:
break将随机采样替换为策略选出的候选行索引即可接入模型。核心支持 band_amiya、band_sarkazb、band_chen、band_sciurus。
Linux 动态库为 lib_native.so,Windows 使用 CI 的 _native*.pyd。跨平台构建
观测为 NumPy 字典,动作引用当前候选行,默认容量 16,384。
| 字段 | 形状与类型 |
|---|---|
observation |
(4784,) float32 |
candidates |
(max_candidates, 41) float32 |
schedules/experts |
(max_candidates,) int64 |
action_mask |
(max_candidates,) int8 |
- 动作结果见
info["accepted"],奖励分项见info["reward_components"]。padding、越界和候选超限会报错。 - 自然结束为
terminated,预算耗尽为truncated,原因见info["reason"]。相同种子可复现,reset(seed=None)延续 RNG 流。 - Gym 支持 Sync/Async,Rust slots 支持 1–64 个环境及局部重置。Async
spawn入口使用if __name__ == "__main__"。
NativeSolo 和 NativeBatch 的 decision ledger JSON 现在包含独立的 feedback 字段。
NativeLedgerEnv.feedback 和 Rust slots 的 info["feedback"] 返回该侧带记录。
重置时为 null,每次决策替换为 arkguard.decision-feedback.v1,包含
decisionRevision、resultRevision 和按 transport revision 排列的 receipts。
每个 receipt 使用 arkguard.public-feedback.v1,携带 revision、battle、economy。
反馈由动作及后续自动战斗共同生成,初始设置授予发生在首个决策之前。
battle 在战斗结算时包含 1 起算 round、units、complete、partial、
droppedUnits、missingMetrics。每行有局内 battleUnitId、准备阶段 sourceUid、
召唤者 ownerSourceUid、ownerAttributionComplete、kind,以及真实累计的
damage、healing、taken、attacks、kills。
damage 是异阵营归属伤害,taken 是实际 HP 损失,healing 是有效治疗量,
attacks 使用现有攻击事件计数,kills 使用 deployment.kills 的直接击杀归属。
直接击杀计数与出怪 ledger 的 creditedKills 有各自口径,召唤物单列,调用方可按
ownerSourceUid 汇总。准备棋子 UID 缺失或召唤者已释放时对应值为 null,
归属缺失独立标记。最多保留 4096 条已移除盟友的最终统计,另加入结算时仍在
注册表中的盟友(受现有 unit 容量约束)。移除记录超出后 droppedUnits > 0、
partial=true。完整性描述计数保留情况,技能实现覆盖另行判断。
当前接口未提供阻挡次数和阻挡时长。
economy.events 包含 1 起算 round 和 sourceBond、effect。
miraShip/visiShip 的层数返金报告实际 amount 和入账 destination
(funds 或 pendingFunds),miraShip 免费刷新报告已授予次数。
investShip 报告额外驻守调用的 sourceUid、garrisonId、1 起算 invocation,
以及实际 fundsDelta、pendingFundsDelta、freeRefreshesDelta。
该增量包含调用内嵌套效果,返金事件可能同时描述其中的入账,消费方须避免重复累计。
物品和层数等非货币结果尚缺归属,故 invest 事件 complete=false。
经济总对象始终标 complete=false、partial=true,用 coverage/missing 列明范围。
单次累积最多保留 4096 个经济事件,截断数见 droppedEvents。
Rust/Node 会话接口对照,2026-11-09,同种子、同动作的完整购买部署对局,三轮中位数,计入 reset 与公开观测。测量范围与复现入口
src/ Python 包
crates/ Rust 引擎与扩展
docs/ 使用说明与图表
benchmarks/ 基准工具与测量数据
.github/ CI
GPL-3.0-or-later。Stronghold Protocol 提供上游模拟实现,游戏素材与外部数据的来源和使用边界见许可说明。LICENSE · NOTICE