Aug, 2021

异构图注意力网络学习多样化通信

PDF
TL;DR该研究提出了一种名为 HetNet 的异构网络注意力思想，用于协调不同类型的机器人团队完成合作任务，并评估 HetNet 在解决信息交互问题中的性能提升，实验结果表明其相比基准方法，在学习复杂多智能体协作的通信协议方面，表现更好。
multi-agent teamingheterogeneous graph attention networkscommunication modelsmulti-agent heterogeneous actor-critic learning paradigmcomposite robot teams
发现论文，激发创造
  • 多智能体演员 - 评论家算法与分层图注意力网络

    本文提出了一种基于分层图注意力网络和多智能体 actor-critic 的模型，可以进行多智能体表示学习和多智能体策略学习，通过两种特殊设计的图注意力网络促进多智能体之间的协作和竞争，实现在新任务中的策略迁移并优于其他现有方法。

    Sep, 2019

  • 利用代理器类信息专门化异构多智能体强化学习中的智能体间通信

    该研究提出了一种使用图神经网络表示多智能体通信能力的方法，并介绍了一种神经网络架构，该架构通过学习每对智能体类别间交换消息的个体转换，从而在完整的合作异构多智能体任务中专门优化通信，并在不同智能体类别操作的环境中取得了相当或更优的性能表现。

    Dec, 2020

  • 学习注意交流以实现多智能体协作

    本文提出了一种注意力通信模型，能够学习何时需要进行通信以及如何将共享信息集成到合作决策中，以实现大规模多智能体协作的高效和有效通信，从而在合作情境中比现有方法展现出更具协调性和更复杂的策略。

    May, 2018

  • ACCNet: 深度多智能体强化学习中用于 “学习通讯” 的演员 - 协调器 - 评论家网络

    本文通过提出 Actor-Coordinator-Critic Net (ACCNet) 框架，结合强化学习和深度学习技术，在多智能体环境下实现更好的学习通信协议能力，并对学习到的协议进行分析和设计探讨。

    Jun, 2017

  • 异构多机器人强化学习

    研究介绍了一种名为 HetGPPO 的新型多智能体强化学习模型，利用图神经网络促进智能体间的通信来优化中介异质性策略，实现了在部分可观测环境下的完全去中心化训练，从而在真实世界中取得了比均质模型更好的鲁棒性。

    Jan, 2023

  • 异构图注意力网络

    该论文提出了一种基于分层注意力机制的异构图神经网络，包括节点层次和语义层次的注意力机制，通过从元路径邻居中汇总特征来生成节点嵌入，其在三个真实的异构图上表现出优越性能且有助于图分析。

    Mar, 2019

  • 从图模型视角学习多智能体通信

    通过引入 CommFormer，将多个智能 Agent 之间的通讯架构视为可学习的图形，采用连续松弛和关注机制的方式，在协作任务上优化通讯图并通过梯度下降同时完善架构参数，证实了模型在不同合作场景下，无论 Agent 数量的变化，都能协调更好且更复杂的策略。

    May, 2024

  • 基于图注意力神经网络的多智能体博弈抽象

    该研究针对大规模多智能体系统，建立一种基于完全图的游戏抽象机制，以简化学习过程，并通过交通路口和猎物 - 捕食者两种实验验证其在状态空间和收敛性能上的优势。

    Nov, 2019

  • 基于超图神经网络的多智能体系统高效策略生成

    本文介绍了一种基于邻域的多智能体强化学习算法，并提出了两种基于超图结构的变体方法，其中利用超图卷积网络实现了信息提取和表示学习，具有实现有效合作的显著优势。

    Mar, 2022

  • 基于注意力机制的异构结构学习图神经网络

    本文针对异构信息网络（HIN）的图表示学习进行了研究，并提出了一种新颖的基于异构图结构注意力神经网络（HetSANN）的方法，该方法在不需要领域专家设计元路径方案的情况下能够自动处理异构信息。实验证明，该方法相较于现有的 HIN 嵌入模型有显著和一致的提升。

    Dec, 2019