G2MAF

新的G2MAF框架在测试时优化多智能体策略

研究人员推出了一种名为梯度引导多智能体流（G2MAF）的新型框架，旨在优化测试时多智能体强化学习策略。该方法通过应用全局归一化、投影批评家梯度来解决冻结策略导致联合动作建议次优的问题。G2MAF引导智能体进行修正，同时确保动作的可行性并接近原始建议。在24个多智能体粒子环境（MPE）和SMAC设置的评估中，G2MAF改进了20个冻结策略，在MPE上平均相对增益为9.2%，在SMAC上为8.9%，推理延迟仅增加了6%。