.png){kind=icon}
返回
SMART: Sequential Multiagent Reinforcement Learning With Role Assignment Using Transformer
.png){kind=icon}
PRE
AI
DOI：10.1109/TCDS.2024.3504256.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多智能体强化学习（MARL）已受到越来越多的关注，并被用于解决合作多智能体决策与学习控制任务。然而，联合动作空间的高复杂性和非平稳学习过程是两个主要问题，它们对MARL的样本效率和解决方案质量产生负面影响。为此，本文提出了一种新颖的方法，即使用transformer进行角色分配的顺序多智能体强化学习（SMART）。通过学习不同动作对状态转移和奖励的影响，SMART实现了原始动作空间的行为抽象和多智能体的自适应角色认知建模，从而降低了多智能体探索和学习过程的复杂性。同时，SMART使用因果transformer网络顺序更新角色分配策略和动作选择策略，缓解了非平稳多智能体策略学习的影响。对SMART的收敛特性进行了理论分析。在具有挑战性的Google足球和星际争霸多智能体挑战赛上进行了大量实验，表明与MAT和HAPPO等主流MARL算法相比，SMART实现了新的最佳性能。同时，通过SMART学习的策略在智能体数量变化时具有良好的泛化能力。
Keyword:
Action abstraction
multiagent reinforcement learning (MARL)
sample efficiency
transformer
期刊
IF:
4.9
论文数:
1.0K
被引数:
3.5K
机构
引用论文
Grandmaster level in StarCraft II using multi-agent reinforcement learning使用多智能体强化学习在星际争霸II中的大师水平.png)
Nature
NatureIF0
PREAI
分享收藏
查看更多内容