跳到正文
arXiv · ML· The Viet Bui, Tien Mai, Hong Thanh Nguyen·· 10 天前AI 评分23

IMAP 解决稀疏奖励下多智能体强化学习的隐式信用分配问题

Implicit Credit Learning for Sparse-Reward Multi-Agent Reinforcement Learning

AI 导读

IMAP 提出在线方法,通过对比完整回合终端结果拟合共享 Q/V 奖励模型,为多智能体稀疏奖励强化学习提供密集团队奖励分解。 本地 Q/V 残差生成智能体专属奖励,归一化权重结合中心化 critic 与去中心化 PPO actor,并给出梯度误差的尖锐界与 GAE 恒等式。

来源:arXiv · ML · arxiv.org