Jul, 2023

VISER：一种用于信息不对称博弈的简易可行解决方案

PDF
TL;DR信息不对称对传统解决方案产生影响，在这篇论文中，作者提出了一种名为 VISER 的解决方案概念，它允许外部观察者预测这类游戏的结果，并扩展到了马尔可夫博弈。
information asymmetrysecurity gamesadversarial multi-agent reinforcement learningviserlinear programming
发现论文，激发创造
  • HSVI 能够解决零和部分可观察随机博弈

    通过数学分析并且创新引入 HSV1-like 算法解决动态规划问题，其优于现有的线性规划和迭代方法。

    Oct, 2022

  • 操纵学习防御者及其反制方法

    通过游戏理论框架、制定策略的规则以及算法方法，能够应对攻击者的不当操纵行为，优化防守方的增益

    May, 2019

  • 将不完备信息从双人零和博弈中抽象出来

    研究表明，通过公开玩家策略，可以从常见的收益游戏中摆脱不完美的信息，但同样的方法不能应用于两人零和游戏，该论文提出利用正则化平衡的方法来解决这个问题，以便计算这些均衡点可以被视为完美信息问题。

    Jan, 2023

  • 对抗性团队游戏的公共信息表示

    通过将序列团队游戏转化为经典二人零和游戏，并提供三种信息不损失抽象，本文有效地应用了现有算法于互弈博弈中。

    Jan, 2022

  • 噪声安全游戏攻防交互模拟

    为了提高防御者的战术优势，本文通过引入一种安全游戏框架，模拟了攻击者和防御者在各种不同知晓程度和情境下的决策方式，并探究了在真假报警间取得平衡的方法。

    Dec, 2022

  • 基于 HSVI 的部分观测随机博弈的在线极小化策略与神经感知机制

    我们提出了一种变种的连续状态部分可观测的随机博弈模型，其中包含神经感知机制和不对称信息结构。我们首次提出了一种高效的在线计算 ε- 极小极大策略配置的方法，每个阶段仅需解决一个线性规划问题，而不是复杂的对手反事实值估计。对于部分知情的智能体，我们提出了一种持续解决方法，使用由启发式搜索值迭代（HSVl）预先计算的下界代替对手反事实值。对于完全知情的智能体，我们提出了一种推断信念策略，该智能体基于 HSVl 的（离线）上界维护对部分知情智能体信念的推断，从而保证到初始信念上两智能体已知的游戏价值的 ε- 距离。

    Apr, 2024

  • 安全博弈中对手行为的端到端游戏集中学习

    本文介绍了一种新的以博弈为重点的方法，以解决对于一个新的特征值和组合的目标普遍化防御的问题，结果表明在数据受限的情况下，这种方法可实现比传统方法更高的防御者预期效益。

    Mar, 2019

  • 对抗无悔玩家

    研究使用无遗憾算法在正态形式重复的 N 人博弈中，如何让人类玩家获得最大化效用，引入 Stackelberg 均衡和相关 Stackelberg 均衡的概念，证明玩家能够在每个回合至少保证相关 Stackelberg 期望值的效用。

    Feb, 2022

  • 不能只依赖运气：决策 Transformer 和 RvS 在随机环境中的失败

    本文介绍了基于预测任务的强化学习方法在随机环境下的局限性，并提出了一种名为 ESPER 的解决方案，该方法学习轨迹聚类并以平均聚类收益进行条件约束，从而在真实环境中实现了目标收益和预期性能的强对齐。ESPER 在多项挑战性的离线 RL 任务中展现出了更好的表现。

    May, 2022

  • 带有单边信息的受状态限制的零和微分博弈

    我们研究了带有状态约束和单侧信息的零和微分博弈，其中被告知的玩家（玩家 1）具有未知于未告知玩家（玩家 2）的分类奖励类型。玩家 1 的目标是在不违反约束的情况下最小化他的奖励，而玩家 2 的目标是要么违反状态约束，要么最大化奖励。我们的理论贡献是将这一结果扩展到带有状态约束的微分博弈，并导出计算行为策略所必需的原始和对偶子动态规则。与现有关注可伸缩性和泛化性的不完全信息动态博弈研究相比，我们关注的是揭示由于信息不对称和状态约束而导致的信念操纵行为的机制。我们使用简化的足球比赛来证明这项工作的实用性，我们揭示了攻击者应该（或不应该）在特定随机虚假行动中利用信息不对称的玩家位置和信念状态，并计算出防守者应该如何应对。

    Mar, 2024