研究人员开发了一个用于离线多智能体强化学习(MARL)的贝叶斯框架,该框架解决了数据集覆盖范围有限和潜在的分布外错误带来的挑战。所提出的方法从分散的观察-动作历史中推断潜在的全局状态,并仅使用离线数据来改进后验世界模型。引入了一个新的指标,多智能体后验信息损失(MPIL),用于衡量世界模型的可靠性并指导改进和离线评估。在D4RL MuJoCo任务上的实验表明,该方法具有竞争力的策略性能和改进的世界模型预测能力。 AI
影响 这项研究可能有助于在数据有限的复杂、部分可观测环境中的更鲁棒的决策。
排序理由 该集群包含一篇详细介绍多智能体强化学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →