多智能体强化学习，多智能体捉迷藏OpenAI

https://www.youtube.com/watch?v=kopoLzvh5jY
我们观察到代理商在玩简单的“捉迷藏”游戏时发现越来越复杂的工具使用。 通过在新的模拟捉迷藏环境中进行培训，特工建立了一系列六种截然不同的策略和对策，其中一些我们不知道环境所支持的策略和对策。 在这种简单的环境中，自我监督的紧急情况的复杂性进一步表明，多智能体共同适应可能有一天会产生极其复杂和智能的行为。