Chirayu Nimonkar

自监督目标达成实现多智能体协作与探索

研究人员开发了一种用于多智能体强化学习（MARL）的自监督目标达成技术，该技术无需显式奖励函数即可促进协作和探索。该方法侧重于最大化达成目标状态的可能性，证明了智能体可以从稀疏的反馈信号中有效学习。在MARL基准测试上的实证结果表明，这种自监督方法在利用相同稀疏奖励的情况下优于替代方法，并且比单智能体策略更具鲁棒性，能够在具有挑战性的稀疏环境中学习中间协调策略。