IPPO (Independent PPO)

IPPO (Independent PPO) = N 个独立的 PPO 算法各跑各的。

每个智能体维护自己独立的 Actor 和 Critic 网络（只看局部观测），独立运行 PPO 的 Clip 更新规则。它把队友当成环境的一部分。

为什么 IPPO 是 MARL 里出乎意料的强 Baseline？

PPO 的 Clip 机制非常稳健，对训练超参不敏感，单机表现就极其强悍。当把它直接套到多智能体上时，尽管面临非平稳性（Non-stationarity），但由于 Clip 限制了每次策略更新的幅度，IPPO 在很多合作任务上的表现竟然能逼近、甚至打平复杂的 CTDE 算法（如 MAPPO）。

学术界经常发现，在某些特定环境下，复杂的算法调参半天，最后竟然打不过原汁原味的 IPPO。