实体
Multi-Agent Particle Environment
Multi-Agent Particle Environment
PulseAugur coverage of Multi-Agent Particle Environment — every cluster mentioning Multi-Agent Particle Environment across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新研究探索鲁棒、自适应和结构化强化学习技术 · 追踪 10 个来源
arXiv 上发表的多篇研究论文探讨了强化学习 (RL) 技术的进展。其中一篇论文统一了基于正则化的方法，以实现针对对抗性扰动的鲁棒深度强化学习，并提出了一种具有动态更新的拉格朗日乘子的约束优化方法。另一篇论文介绍了 CLAW，一种使用超网络生成低秩适配器来适应基于模型的强化学习中的世界模型的方法，在少样本学习场景中表现优于现有方法。此外，还介绍了用于长时限 LLM 代理的粒度自适应信用分配、用于具有局部对称性的强化学习的群代数状态表…
-
新的价值感知MARO方法在通信丢失下提升多智能体协调能力
研究人员开发了一种名为价值感知MARO的新方法，以增强在通信不可靠时的多智能体协调能力。该方法通过根据Actor-Critic架构的优势估计动态加权预测器的损失函数，改进了现有的MARO技术。这使得模型能够专注于高回报的动态学习，从而防止在通信丢失严重的情况下性能崩溃。在多智能体粒子环境中的实验表明，价值感知MARO在通信丢失场景下实现了超过20%的平均回报提升，并将性能方差降低了近65%。