arXiv · AI· Sungil Son, Hoseong Jung, Dahyun Oh, H. Jin Kim·· 14 天前AI 评分23
EFXPLORER 通过上形(Epigraph)引导探索实现多智能体合作强化学习
Cooperative Multi-Agent Reinforcement Learning via Epigraph-Form Guided Exploration
AI 导读
为解决多智能体强化学习中联合空间复杂度高导致协作行为难涌现的问题,研究者提出约束探索框架 EFXPLORER。该方法通过上形重整化引入自适应探索预算,最大化探索目标同时保留既定任务性能,并引入后继距离内在奖励以鼓励多样化、长时程探索。在 SMAX、VMAS 和 MPE 基准测试中,EFXPLORER 性能优于强基线,并诱导出新合作策略。
来源:arXiv · AI · arxiv.org