本文研究了多智能体强化学习在部分可观察性下的挑战性任务，其中每个智能体只能看到自己的观察和动作。我们通过考虑广义模型的部分可观察马尔科夫博弈，证明了一个富裕的子类可以使用样本高效的学习方法，从而找到弱显式部分可观察马尔科夫博弈的近似纳什均衡、相关均衡以及粗略相关均衡，当代理数量很小时可在多项式样本复杂度内学得。

Jun, 2022

我们研究了部分可观察随机博弈的可证明多智能体强化学习 (MARL)。我们主张利用智能体之间的信息共享，在可观察性假设的情况下构建一个近似模型来规划近似均衡，并开发了一种具有统计和计算上拟效率的部分可观察 MARL 算法。

Aug, 2023

提出了神经符号部分可观测随机博弈（NS-POSGs）模型，针对部分可观测的环境及基于连续数据的数据驱动方法，引入了感知机制，提出了基于粒子置信度的一侧 NS-HSVI 方法，用于近似计算一侧 NS-POSGs 的值，并在实验中证明了这一方法对于具有多面体形式的神经网络的实际适用性。

Oct, 2023

本研究提出了一种使用图形注意力机制的新型多智能体强化学习算法（Partially Observable Mean Field Multi-Agent Reinforcement Learning based on Graph-Attention），以更有效地捕获邻居智能体的特征信息，以选择更有效的行动，该算法在 MAgents 框架上的三个挑战任务中优于最先进的部分可观测平均场强化学习算法的基线。

Apr, 2023

本文展示了如何在保持优化性的同时，通过分层信息共享来解开多个玩家的决策变量，应用最优性原理将一个单个阶段的子游戏进一步分解为更小的子游戏，从而使我们能够一次进行单个玩家的决策。我们的研究结果表明，利用这些发现的算法可以扩展到更大的多人游戏而不损害优化性。

Feb, 2024

本文介绍了一种使用深度循环多智能体演员 - 评论家框架（R-MADDPG）处理部分可观测设置和有限通信下多智能体协调的方法，并探究了循环效应对团队智能体表现和通信使用的影响。研究结果表明，该框架可以学习随时间变化的依赖关系，处理资源限制，并在智能体之间开发不同的通信模式。

Feb, 2020

在多个合作多代理任务中，为解决探索受到多个 agent 的部分可观测性和探索空间呈指数增长的挑战，本研究提出了一种新的基于形成意识的探索框架（FoX），通过引导部分可观测 agent 在不同形成中访问状态，显著优于先前算法。

Aug, 2023

该研究论文介绍了一种解决集体行为任务的多智能体增强学习算法，该算法使用平均场控制 (MFC)，并采用一种去中心化的、部分可观测的 MFC 模型。使用新的去中心化部分可观测 MFC (Dec-POMFC) 模型，该算法在代表性的集体行为任务上进行了数值评估，并提供了算法可行性和最优性保证。

Jul, 2023

本文提出了一种名为 Model-Free Opponent Shaping（M-FOS）的方法，利用元学习在长周期博弈下进行对手塑造，解决通过算法塑造对手进行博弈中的困境，实验表明该方法在训练中充分利用其他算法，达到了社会最优结果，同时还能扩展到高维博弈场景。

May, 2022

对抗塑形方法 (opponent shaping) 在元博弈 (meta-game) 框架下，通过引导其他智能体的学习过程，在众多情境中提高了个体和团队的表现。作者提出 R-FOS 方法，将连续状态和动作空间的元博弈转化为表格形式，推导出一个与内部状态和动作空间的基数以及智能体数量指数相关的样本复杂度上界，保证 R-FOS 智能体所学习的最终策略与最优策略接近，除了一个常数因子外。此外，作者还探讨了 R-FOS 在状态 - 动作空间规模变化时的样本复杂度，并通过 Matching Pennies 环境的实证结果支持了理论上的扩展性。

Feb, 2024