arXiv · AI· Wo Wei Lin, Ethan Rathbun, Enrico Marchesini, Xiang Zhi Tan·· 21 天前AI 评分44
MAVIC 提升协作多智能体强化学习中的指令遵循鲁棒性
Robust Instruction Compliance in Cooperative Multi-Agent Reinforcement Learning
AI 导读
协作多智能体强化学习(MARL)在适应外部自然语言指令时,因 Bellman 更新耦合不同指令下的价值估计,导致指令中断宏动作时产生不一致价值。该论文提出宏动作价值校正(MAVIC)方法,通过在指令边界处修正 Bellman 备份目标,而非简单的奖励塑形,实现随机指令切换下统一策略内的一致性价值估计。
来源:arXiv · AI · arxiv.org