本文研究了如何使用有限的传感能力控制一组合作智能体，使用了基于演员-评论家算法的深度强化学习以近似Q值函数和策略评估，评估了在寻找和维持距离和定位目标方面的性能。

Sep, 2017

本文探讨了如何通过使用other-play算法增强self-play算法，以解决在多智能体协同环境中遇到未知合作伙伴时的问题，并以Hanabi卡牌游戏为例展示了该算法的实验结果。

Mar, 2020

介绍了零射击协调（ZSC）的问题，定义了一个标签自由协调游戏（LFC），发现了其他玩法不是LFC问题的最佳解，引入了其他玩法的补充算法以解决此问题，同时提出了ZSC的另一种实现方式。

Jun, 2021

通过同步训练所有层次的简单k级别推理适应，我们可以在Hanabi中获得具有竞争力的零射协调和特定的临时团队玩法表现，包括与类人代理机器人配对。

Jul, 2022

本文提出一种基于协同进化的方法，用于在物理世界和多智能体协作环境中解决零-shot协调问题，并在一个协同烹饪任务中实现了这个解决方案。

Aug, 2022

该论文提出了零样本人工智能与人类协作的新方法，使用策略组合方法以提高参与者的多样性，以及上下文感知方法使自我代理能够分析和识别合作伙伴的潜在策略原语以便其可以相应地进行不同的行为。结果表明，该方法在所有场景中实现了最先进的性能。

Jan, 2023

本文提出了 Cooperative Open-ended LEarning (COLE) 框架，通过图形论的角度构建协作游戏的开放式目标，评估和确定每种策略的协作能力，进而解决合作不兼容的问题，并且实验证明该方法在与不同级别伙伴协调时优于现有的最先进方法。

Feb, 2023

本文介绍了一种将领域专家的可解释概念纳入到多智能体强化学习模型中的方法，以提高模型的解释性和稳定性，提高性能和样本效率。

Feb, 2023

合作式多智能体强化学习与零样本协同在近年来引起了极大的关注。本文通过构建一个基于合作多智能体游戏Hanabi的框架，在使用最新零样本协同算法时探究了多智能体强化学习方法的适应性，并发现在大多数情况下，顺序独立强化学习代理（IQL）与最新的零样本协同算法Off-Belief Learning（OBL）相比，在适应性上表现相似。这一发现引发了一个有趣的研究问题：如何设计具有高零样本协同性能和快速适应未知伙伴的多智能体强化学习算法。通过研究不同超参数和设计选择对当前多智能体强化学习算法的适应性的作用，我们的实验表明，控制训练数据多样性和优化过程的两类超参数对Hanabi代理的适应性具有重要影响。

Aug, 2023

使用程序合成方法对深度强化学习代理进行模仿，以了解其学习的概念和决策过程。

Sep, 2023