★ 2
元多智能体强化学习加速策略适应
论文提出元多智能体强化学习框架，将 MARL 建模为马尔可夫博弈，实现跨博弈分布的交互策略快速适应。作者定义 meta-NE 解概念并证明其与梯度博弈算法稳定点的等价条件，在自动驾驶任务上验证了比预训练 MARL 基线更快的适应速度。
arXiv cs.AI31 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出元多智能体强化学习框架，将 MARL 建模为马尔可夫博弈，实现跨博弈分布的交互策略快速适应。作者定义 meta-NE 解概念并证明其与梯度博弈算法稳定点的等价条件，在自动驾驶任务上验证了比预训练 MARL 基线更快的适应速度。