多智能体深度确定性策略梯度（MADDPG）是 DDPG 的扩展版本，旨在解决多智能体环境中的非平稳性问题。它采用“集中式训练、分散式执行”的范式。构建一个简单的 2 智能体协作导航任务：状态：两名智能体位置、各自目标位置每个智能体观测：自己的位置、另一智能体位置、自己的目标位置（归一化）动作：离散（上/下/左/右）奖励：共享；每步小惩罚；两者同时到达各自目标给大正奖励；加入距离 shaping 与