Feb, 2023

多智能体强化学习：实用沟通和控制

PDF
TL;DR这篇论文提出了一种名为 “Cyber-Physical POMDP” 的模型，将目标导向通信和网络控制相结合，以实现分散的移动机器人的协调，通过联合训练可以显着提高总体性能并可导致通信行动的隐式协调。
发现论文，激发创造
  • 远程控制任务的语义和有效通信与动态特征压缩

    本研究考虑了机器人群和远程无线控制任务中的有效通信问题，并提出使用基于 VQ-VAE 编码的 DRL 动态适应量化级别的方案来提高系统性能。

    Jan, 2023

  • 学习通信感知协调的机器人群体模拟

    本研究主要探讨了如何应用基于观察专家演示的控制器学习算法，训练出端到端的神经网络，用于解决协作多智能体系统中的分布式控制问题，实验结果表明，使用通信策略可以有效提高分布式模型的性能。

    Feb, 2023

  • 合作多智能体强化学习中实用通信策略的学习

    本文提出了一个框架，利用神经消息编码器来学习多智能体强化学习中的通信策略，包括消息传输时机、消息内容以及如何保留消息信息。模拟实际的无线网络环境下，与现有技术相比，该框架在游戏性能、收敛速度和通信效率方面都有显著提高。

    Sep, 2022

  • 动态特征压缩下的有效通信

    基于远程无线控制和 5G 及更高级别系统，本研究研究了优化传输策略以实现有效沟通的方法，提出了采用集合向量量化变分自编码器进行编码，并训练深度强化学习代理动态调整量化水平，通过在基准控制问题上的测试显示其具有显著的性能提升。

    Jan, 2024

  • 不谈话的规划：抗通信丢失的多智能体系统

    该论文针对协作多智能体系统中的通信问题，提出了一种分散执行联合策略算法，运用状态 - 行为过程的总相关度估计代表多智能体间内在依赖关系的指标，通过最大化一个该指标的代理量，合成了最小依赖联合策略，并在数值实验中验证其鲁棒性和高性能。

    Jan, 2022

  • 多智能体合作与竞争任务中的大规模通信时机学习

    本文提出了 Individualized Controlled Continuous Communication Model (IC3Net)，在多智能体协作、半协作与竞争环境下，通过门控机制控制持续传输，并使用个性化奖励来提高性能和可扩展性，修正学分分配问题。实验结果证实，IC3Net 网络比基准网络在不同场景下具有更好的训练效率和收敛率，智能体基于场景和可盈利性学会如何传输信息。

    Dec, 2018

  • 多智能体强化学习与通信调查

    本文介绍了多个方面可以在设计和开发多智能体强化学习系统中扮演角色的通信，并提出了 Comm-MARL 系统分析、开发和比较的几个维度。

    Mar, 2022

  • 合作互动中的局部最小值驱动通讯

    人机交互中的一个重要问题是何时决定通信，特别是在合作任务中；感知控制理论表明，代理能通过共享相同的意图在合作任务中协作，但对于包含局部最小值的任务，至少有一个代理在适当时刻调整意图通过适时的通信，协调动作，在复杂的搜索空间中实现全局解。

    Jul, 2023

  • 控制作为概率推理：多智能体强化学习中的一种新型沟通机制

    本文提出一种生成概率模型，该模型融合了新兴的通信和多智能体强化学习技术，可通过概率推断计划其动作，在通过信息传递实现协作任务的过程中，使用潜在变量估计与规划，基于 Metropolis-Hasting 命名游戏公式推算，实现了有意义的信息传递和协作任务。

    Jul, 2023

  • 通过基于记忆的通信提高小规模多智体深度强化学习中的协调

    本文提出了一个基于深度确定性策略梯度的多智能体训练框架，利用存储设备并发端到端学习明确的通信协议，来提高小规模系统中智能体的协作和性能，同时研究了不同通信模式对性能的影响。

    Jan, 2019