该论文提出了一种分层架构，通过上下文调节来更好地模拟机器人控制策略对其形态上下文的依赖关系，其中包括两个关键子模块：（1）使用超网络生成依赖形态的控制参数；（2）提出了一种形态依赖性的注意机制来调节机器人不同肢体之间的交互。实验结果表明，该方法不仅改善了各种训练机器人的学习性能，还以零样本方式更好地推广到未见过的形态。

Feb, 2023

本论文提出了一种基于分散式模仿学习的多智能体代理近端策略优化（IA-MAPPO）算法，以灵活且经济高效的方式在分散式大规模多智能体系统中执行规避追击任务。该算法通过集中管理的策略蒸馏机制完成多种编队的快速切换，并利用分散化的形成控制器以降低通信开销和提高可伸缩性，同时采用替代训练方法弥补分散化带来的性能损失。模拟结果证实了 IA-MAPPO 算法的有效性，并且广泛的消融实验显示了与中心化解决方案相当的性能，并显著降低了通信开销。

Nov, 2023

本文探讨了一种模块化协同进化策略，通过多个原始代理的动态自组装进而形成复合体来控制机动物体，与传统复杂代理的学习方法不同。作者通过在模拟环境中进行实验，展示了这一方法比静态和单片基线更好地适应环境变化和测试时间变化的性能。

Feb, 2019

提出了 MoDA 领域自适应方法，该方法可以使预训练的智能体适应新的、噪声较大的环境，无需地面实时监控，具备在视觉导航中提供重要的上下文信息和展现独特的空间结构等功能。

Nov, 2022

通过使用 Quality Diversity 算法构建多个单任务 / 单形态的教师控制器的数据集，然后通过监督学习将这些多样化控制器提炼成一个能够在多种不同机体中表现良好的单一多形态控制器，本文提出了一种解决学习单一控制器控制多种形态的挑战的流程。这种提炼控制器的方法在教师控制器的知识展现方面是独立的，使得我们能够将教师的知识提炼到任何控制模型中，使我们的方法与架构改进和现有的教师控制器训练算法具有协同效应。

Apr, 2024

研究一种新的架构和训练程序，通过训练简单的任务，以高频率、低层次的 “脊髓” 网络与本体感觉运动神经元进行学习。这个预训练模块通过修正脊髓网络的输入来驱动行为，从而使学习从稀疏的奖励中得到有效的探索。在三种虚拟体内（16 维游泳蛇、20 维四足动物和 54 维人形），通过我们提出的架构进行测试并产生了明显的进展，详见附带的视频

Oct, 2016

本文提出了一种基于两级层次结构的管理方法，结合统一接入 - 回传约束、联邦式机器学习和双注意力深度强化学习模型，在考虑移动接入点规划的同时，优化无人机的部署和网络结构设计，提高 5G 网络中移动接入点的效率。

Jun, 2023

本文旨在提高多智能体控制的数据效率，采用基于模型的学习方式，通过多个代理通过本地通信进行合作完成任务，实现分散的基于模型的策略优化框架，提出了扩展的价值函数，理论上证明了产生的策略梯度是真实策略梯度的一个紧密近似，并在智能交通系统的多项基准测试上展示了出色的数据效率和与真实模型的无模型方法匹配的性能。

Jul, 2022

本研究比较了使用图神经网络和 transformer 的多任务强化学习方法之间的差异，提出了 Amorpheus 算法，该算法忽略了 GNN 中的形态学信息，并取得了更好的性能。

Oct, 2020

Memory Augmented Policy Optimization (MAPO) improves policy gradient's sample efficiency and robustness on tasks with sparse rewards. When applied to weakly supervised program synthesis from natural language, it achieves state-of-the-art accuracy with only weak supervision.

Jul, 2018