Jun, 2015

一种多智能体系统中针对临时协调的博弈论模型和最佳应答学习方法

PDF
TL;DR本研究利用随机贝叶斯博弈理论，提出了 Harsanyi-Bellman Ad Hoc Coordination (HBA) 解决协调问题的方法，实验证明其在多智能体系统的 logistics 领域和人机交互中都具有高效性和灵活性。
ad hoc coordinationmultiagent systembayesian nash equilibriumoptimal controlefficiency
发现论文，激发创造
  • 人类临时协调建模

    在不确定的环境中，对于合作行为的协调最有效的方式是通过相互理解并达成共识。我们提出了一种精确的算法来计算在不确定环境下合理协调所需的无限递归分级信念，并引入了一种新的多智能体协调机制。我们测试了该机制作为人的决策模型的效果，并发现这种方式可以提高人 - 智能体的协同效率。

    Feb, 2016

  • 自适应即时策略对接

    本文提出了使用贝叶斯推断和 Gibbs 采样等技术来解决多智能体强化学习协作中的协调难题，以实现智能体对人类和其他智能体的有效交互，并在 Hanabi 这个复杂的纸牌游戏中表现出了强大的能力。

    Mar, 2022

  • N 代理临时团队合作

    在多智能体环境中学习合作行为的现有方法通常假设相对限制性的情景，在完全合作的多智能体强化学习中，学习算法控制着场景中的所有智能体，而在特定团队合作中，学习算法通常只控制场景中的单个智能体。然而，在现实世界中，许多合作场景要求更灵活的学习方法。本文提出了 N - 智能体特定团队合作算法（POAM），用于解决在评估阶段必须与动态变化的不同类型的队友进行交互和合作的智能体问题，并通过学习队友行为的表示来适应各种队友行为。在《星际争霸 II》任务的实证评估中，POAM 相对于基准方法提高了协作任务的回报，并实现了对未见过队友的分布外泛化。

    Apr, 2024

  • 基于图形策略学习的开放式即席团队合作

    本文提出建立一个自主代理，该代理可以在没有先前的协调机制的情况下快速适应以与队友合作的挑战性问题，包括联合培训，该解决方案基于图神经网络学习代理模型和不同团队组成下的联合行动价值模型，并提出了新的行动价值计算方法， 经实验证明，该方法成功地模拟了其他代理对学习器的影响，导致了可以稳健地适应动态团队组成并显着优于若干替代方法的策略。

    Jun, 2020

  • 基于知识的局部可观察条件下的 Ad Hoc 团队合作中的推理和学习

    采用基于非单调逻辑推理以及少量有限数据所学的其他代理行为预测模型的架构，通过支持在线选择、适应和学习模型以及在部分可观测性和有限通信存在下与队友协作来解决无先协调时代理与队友协作问题，实验证明该模型的性能在简单和复杂情况下都优于或与最先进的数据驱动基线相当，特别是在有限的训练数据、部分可观测性和团队组成的变化存在下。

    Jun, 2023

  • 基于图形策略学习的开放式即兴团队合作通用学习框架

    本文研究了开放式临时团队合作的问题，通过使用图神经网络架构的强化学习方法，在完全可观测和部分可观测的情况下开发了一类解决方案，其中包括对 latant environment states 和 team composition 的支持，以获得最优策略。实验结果表明我们的方法能有效地学习到团队成员行为的影响，以及在部分可观测的环境中推断环境的固有状态。

    Oct, 2022

  • 基于知识和数据的异构团队合作推理和学习

    本研究提出了一种应用于团队协作的体系结构，通过结合基于知识的和基于数据驱动的推理和学习，能够实现协作对象的行为预测、适应性、透明性和更好的性能。

    Aug, 2022

  • 不完美代理的合作贝叶斯优化

    我们提出了一种合作的贝叶斯优化问题，用于优化两个变量的黑盒函数，其中两个代理一起选择在哪些点查询函数，但每个代理只能控制一个变量。这个设置受到人工智能与人类合作的启发，在这种简单情况下进行协同优化。我们将解决方案制定为顺序决策过程，我们控制的代理将用户建模为一个具有先验知识的计算有理主体。我们展示了通过战略查询规划可以更好地识别函数的全局最大值，只要用户避免过度探索。这种规划是通过使用贝叶斯自适应蒙特卡洛规划以及赋予代理用户模型来实现的，该用户模型考虑了保守的信念更新和查询点的探索性采样。

    Mar, 2024

  • 合作博弈理论下的开放式即兴团队合作

    建立一个从合作博弈理论的视角解释图神经网络在图基策略学习中使用的联合 Q 值表示法，并基于该理论提出了一种新的算法来补充 GPL 中被忽视但有助于学习的关键特征。通过实验证明了该算法在动态团队构成中与 GPL 的性能比较的正确性。

    Feb, 2024

  • 目标足够：在 IMFs 中诱发未知多智体系统的无约束合作

    通过使用 AI-based supervisor agent，我们提出了一种框架，可以并行地编排预训练的 agent，该框架通过为 MARL 代理分配最佳目标并激励它们展示特定的期望行为来实现。在网络仿真器上的结果显示，与基于规则的方法相比，所提出的方法在更快和更好地实现期望的同时，甚至推广到环境变化。

    Oct, 2023