提出了FACMAC，一种新的协同多智能体强化学习方法，包括集中式但分解的评论家和集中式政策梯度估计器等特点，并在多智能体粒子环境，一个新的多智能体MuJoCo基准和具有挑战性的StarCraft II微管理任务上进行了评估，取得了优于MADDPG和其他基线的实证结果。

Mar, 2020

本研究提出了一种基于强化学习的算法，引入了新颖的多智能体规划模块 MSP 和空间平移变换器 Spatial-TeamFormer，实现了多智能体协作视觉探测，经过政策蒸馏提取的元策略大大提高了最终策略的泛化能力，并在一个真实的 3D 模拟器 Habitat 中表现出比经典规划方法更好的性能。

Oct, 2021

本文总结了分布式无模型多智能体强化学习在多机器人协作中面临的挑战以及现有的解决方案类别，并介绍了基准测试和机器人应用，同时讨论了当前的研究方向。

Apr, 2022

本文介绍了一个用于多机器人强化学习的可扩展仿真平台SMART，该平台包含了一个仿真环境和一个真实的多机器人系统，以提供多样化的交互场景进行训练，并支持基于插件的算法实现。在此基础上，我们研究了合作驾驶变道场景所涉及到的若干具有挑战性的问题，并开源我们的仿真环境及其相关基准测试任务和最先进的基线模型，以推动和强化多机器人强化学习的研究。

Jun, 2022

本文提出了一种基于宏操作（macro-actions）的多智能体强化学习方法，该方法支持异步学习和决策制定，在多智能体/机器人领域具有广泛应用价值。本文的算法在多个领域的仿真实验和现实机器人实验中验证了其有效性和高质量解决方案的能力。

Sep, 2022

通过使用并行程序指导多个智能体高效完成需要规划 10 个以上阶段的任务，本文提出了一种名为 E-MAPP 的增强型多智能体强化学习框架，该框架整合了程序的结构信息，促进了基于程序语义的协作行为，并通过任务分配器提高了时间效率，在 Overcooked 环境中完成的一系列复杂的长期合作任务的实验结果表明， E-MAPP 在完成率、时间效率和零-shot 泛化能力方面优于强基线方法。

Dec, 2022

我们提出了一种异步的多智能体强化学习算法，Asynchronous Coordination Explorer (ACE)，可以在处理机器人探索问题时减少实际探索时间，并通过使用基于CNN的策略将遗失的机器人维护在一个团队中。

Jan, 2023

本文介绍了一种基于图神经网络的多智能体导航任务的目标条件层次方法，名为MAGE-X，该方法由高级目标指挥官和低级行动执行器组成，并通过使用关键合作者构建子图来提高合作。结果显示，MAGE-X在多智能体颗粒环境（MPE）和更复杂的四旋翼3D导航任务中均优于最先进的MARL基线。

Feb, 2023

此研究论文利用JAX实现的开源代码库JaxMARL，通过GPU加速以及更灵活的环境设计，提供了高效且全面的多智能体强化学习训练框架，有效应对了计算负担、样本复杂性等挑战。

Nov, 2023

我们提出了基于多智能体可扩展图神经网络的分层规划器(MASP)，用于具有大量智能体的导航任务，通过将搜索空间分成多个较小的空间以减少复杂度和加快训练收敛速度，并利用图神经网络建模智能体和目标之间的相互作用，提高目标实现能力，并在未见过的团队规模工作场景中展示了零-shot泛化能力。

Dec, 2023