本文提出了一种新的适用于多智能体环境的 Multi-Agent 模仿学习框架，它建立在广义反向强化学习的基础上，并引入了实用的多智能体演员 - 评论家算法。该方法可用于多个合作或竞争代理的高维环境中模仿复杂的行为。

Jul, 2018

本研究提出了一种名为 “Actor-Mimic” 的多任务学习和迁移学习方法，通过深度强化学习和模型压缩技术来训练一个单一的策略网络，并通过多个专家教师的指导来学习在不同任务中的行为，并使用先前的知识解决新任务。研究结果表明，该方法的表征能力可以通过无先验的专家指导来推广到新的任务并加速学习。本方法可以应用于多样的问题，为了说明其效果，我们在 Atari 游戏上进行了测试。

Nov, 2015

在这篇论文中，我们提出了一个由三个神经层组成的新颖模型，用于学习竞争性游戏的表示、对特定对手策略的映射以及如何打乱对手。通过在线训练和对比优化的组合损失，我们的模型在 Pokemon 对战和四人竞技帽子师傅卡牌游戏中取得了较好的性能，尤其是在多次对战同一对手时。我们还对模型的影响进行了讨论，尤其是在对这两种情况下的具体策略学习方面的表现。

Oct, 2023

基于深度强化学习的自主学习系统在创建具有韧性和高效的网络物理能源系统方面已经确立其基础。然而，大部分现有方法存在两个明显问题：现代无模型算法，如软 Actor Critic，需要大量样本才能学习有意义的策略，并且需要用来对抗概念漂移（如灾难性遗忘）的备用方案。本文介绍了一种将基于模型的深度强化学习与模仿学习相结合的混合代理体系结构的工作进展，以克服这两个问题。

Apr, 2024

多代理系统中，对智能机器代理进行适应性策略设计时，代理建模是至关重要的，通过代理建模可以理解其他代理的行为并提取有意义的策略表示，为增强自我代理的适应性策略提供帮助。这篇研究以对比学习为基础的代理建模方法（CLAM）只依赖于自我代理在训练和执行过程中的局部观察，可以实时生成一致且高质量的策略表示，且在合作和竞争多代理环境中取得了最先进的结果，突显了对比学习为基础的代理建模在增强式学习中的潜力。

Dec, 2023

本文介绍了几种在三维环境中进行竞争多智能体自我对抗训练的方法，这些方法可以训练出丰富多彩、技能复杂的智能体。此外，我们指出，自我对抗训练可以产生超出环境本身复杂性的行为，并且自带课程设置，有助于智能体学习不同难度水平下的技能。

Oct, 2017

本文研究多个协调代理的演示的模仿学习问题，提出了一种综合了无监督结构学习和传统模仿学习的方法来同时学习潜在的协调模型和单个策略，通过在团队运动中学习多个策略的行为建模问题，表明了本文方法的强大之处。

Mar, 2017

本文提出和研究了一种隐含模仿的形式模型，通过观察导师，强化学习代理可以提取关于其自身能力和状态空间中未访问部分的相对价值的信息，并阐述了隐含模仿的好处，通过指导单个和多个导师来证明性能和收敛性有所提高。

Jun, 2011

本文介绍了一种基于神经网络和任务多项式结构的对手建模方法，该方法能够应用于多智能体环境下的策略自适应，通过对足球和智力竞赛等游戏的模拟实验可知该方法胜于深度 Q 网络及其衍生方法。

Sep, 2016

该论文提出了一种针对合作多智能体系统的新颖多智能体模仿学习算法，通过使用混合网络聚合分散的 Q 函数，实现了集中式学习，并在具有高度挑战性的竞争性和合作性多智能体游戏环境中进行了广泛实验，表明该算法相对于现有的多智能体模仿学习算法具有显著的有效性。

Oct, 2023