Mar, 2022

自动设计有趣的多智能体环境

TL;DR通过提供内在的奖励机制,增加多智能体环境中 RL 学习的效率,我们在多智能体 Hide and Seek 和单智能体迷宫任务中,考察了一系列根据预测问题构建的内在老师奖励,并发现其中价值不一致是最为稳健和高效的奖励方式。