通过引入增强优势反馈（ReAd）的多智能体协作模型，我们提出了一种新的用于解决复杂物理世界中大型语言模型（LLMs）推理能力的框架，该框架通过对 LLM 计划数据进行评论回归来学习顺序优势函数，并将 LLM 规划器视为最优化器生成最大化优势函数的行动，从而为 LLM 赋予了能够判断行动是否有助于完成最终任务的远见。

May, 2024

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

本文提出了一种基于离线多智能体强化学习（MARL）的多机器人社交感知和高效协同规划方法，使用时间 - 空间图（TSG）进行社交编码，引入 K 步先见奖励设置，并改进了传统的集中式批判者网络，从而在多群组实验中验证了该方法的有效性。

Nov, 2022

本文提出了一种新型的探索计划代理，它能够在没有专家跟踪或给定目标的情况下学习行动先决条件和效果，优化探索和行动模型学习，运用新的表示为 Lifted Linked Clauses 和一种新颖的探索行动选择方法，并在探索为中心的视频游戏场景中进行实证评估。

Mar, 2022

该研究介绍了使用大型语言模型在多智能体协调方面的有效性评估，构建了 LLM-Co 框架来使 LLMs 能够进行协调游戏，并展示了 LLMs 在不同方面的评估结果，从而强调了 LLMs 在复杂协调环境中的潜力。

Oct, 2023

本文提出了一种去中心化的协作感知方法，基于 Deep Reinforcement Learning 算法，学习一种反向通讯策略，只请求未知信息，最终实现交通物品的最大化感知和最小化信息交流成本的平衡调整。

Dec, 2022

提出一个用于多智能体视觉导航的大规模三维数据集 CollaVN，探索不同 MAVN 方法进行智能体的协作，用于弥补以往方法只关注格子世界或者游戏环境的不足，并采用记忆增强型通信框架提高多智能体合作效率和鲁棒性。

Jul, 2021

我们提出了一种新的方法来推断组感知协作图（GACG），以捕捉基于当前观测到的代理之间的合作以及跨轨迹观察到的行为模式的组水平依赖关系，并在决策过程中使用该图进行信息交换。通过在 StarCraft II 微管理任务上进行评估，我们证明了 GACG 的卓越性能。进一步的消融研究为我们的方法的每个组成部分的有效性提供了实验证据。

Apr, 2024

ReVoLT 是一个分层框架，用于实现基于目标驱动的导航任务，由物体检测视觉前端、高层推理者、中间层计划者和低层控制器组成，并使用多层语义空间拓扑图和多种结构化关系先验知识。与最先进的方法相比，该框架在目标导航任务中表现良好，泛化能力强，性能提升了 80％。

Jan, 2023

利用协同能力和开放式架构，我们提出了 CACA Agent，实现了 AI 代理的可扩展性和规划能力，并通过演示展示了 CACA Agent 的操作和应用场景扩展。

Mar, 2024