我发现你的MADDPG代码与原文有一些出入，不知道怎么回事： （1） critic的输入只包括了对应agent的观测，而原文是所有agent的观测 （2）memory buffer 保存数据时，不同agent的动作保存顺序是不同的，而原文是一致的，不区分不同的agent
我发现你的MADDPG代码与原文有一些出入，不知道怎么回事：
（1） critic的输入只包括了对应agent的观测，而原文是所有agent的观测
（2）memory buffer 保存数据时，不同agent的动作保存顺序是不同的，而原文是一致的，不区分不同的agent