基于知识和数据的异构团队合作推理和学习
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
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
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
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
本文提出了一个框架，该框架将信任纳入人工智能团队合作的场景中，在这个场景下，一个智能体必须与人类合作完成任务。在任务过程中，智能体需要通过互动和观察来推断人类对其的信任程度，并调整自己的行为以最大化团队的表现。为了实现这一目标，我们建议从人类参与的实验中收集数据，定义不同的设置（基于信任水平），并为每个设置学习最优策略。然后，我们创建一个模块来推断当前的设置（取决于信任的数量）。最后，我们在实际场景中验证了这个框架，并分析了这种可适应行为对信任的影响。
Oct, 2022
提出一种基于预训练的 RL 策略库和规则策略的人类无模型自适应代理架构，通过一种新的相似性度量方法推断人类策略并选择最具互补性的策略，以此最大化团队在人类机器协作中的总体表现。
Mar, 2021
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
该论文提出了一种基于认知系统的深度网络模型，以探索深度网络模型内部表示和推理机制的知识表示、推理和学习挑战，并通过使用空间关系的接地和递增式的学习，以及基于非单调逻辑推理和基础常识域知识的决策，实现对场景中物品遮挡和稳定性的推理，通过识别与任务相关的图像区域训练深度网络模型来提高决策的可靠性和减少相关的训练工作量。
Jan, 2022