实体
Cooperative Multi-Agent Reinforcement Learning
Cooperative Multi-Agent Reinforcement Learning
PulseAugur coverage of Cooperative Multi-Agent Reinforcement Learning — every cluster mentioning Cooperative Multi-Agent Reinforcement Learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新基准CTC挑战合作多智能体AI
研究人员推出了复合任务挑战（CTC），这是一个旨在评估和促进合作多智能体强化学习（MARL）中劳动分工（DOL）和合作的新基准。CTC任务的结构使得DOL对于成功至关重要，并且任何子任务的失败都会导致整体任务失败，强调了合作和任务的相互依赖性。对九种现有MARL方法的初步实验显示测试获胜率为零，凸显了其挑战性，而提出的引导性解决方案则展示了可解性但性能不佳，表明CTC作为推动MARL研究的试验台的价值。
-
新指标和框架增强了延迟下的多智能体通信
研究人员开发了一种名为通信增益与延迟成本（CGDC）的新指标，用于评估合作多智能体强化学习系统中通信的有效性，特别是在消息经历跨时间步延迟时。该指标有助于量化信息价值与其过时成本之间的权衡。基于CGDC，提出了一种名为CDCMA的新型Actor-Critic框架，该框架选择性地请求消息，预测未来观测以减轻不对齐，并使用CGDC引导的注意力融合延迟消息。实验表明，CDCMA在各种合作任务中提高了性能、鲁棒性和泛化能力。