【标题】Distributed Multi-Agent Deep Reinforcement Learning for Robust Coordination against Noise

【作者团队】Yoshinari Motokawa, Toshiharu Sugawara

【发表日期】2022.5.19

【论文链接】https://arxiv.org/pdf/2205.09705.pdf

【推荐理由】在多智能体系统中，降噪技术对于提高整个系统的可靠性非常重要，因为智能体需要依赖有限的环境信息来与周围的智能体进行合作和协调。然而，以往的研究通常采用集中式降噪方法来构建多智能体环境中的鲁棒性和通用性协调，而分布式和分散式自治智能体更适合于实际应用。本文提出了一个多智能体系统（DA3-X）的分布式注意行为体体系结构模型，利用该模型证明了具有DA3-X的智能体可以选择性地学习噪声环境并进行协作。通过比较使用和不使用DA3-X的学习方法，对DA3-X的有效性进行了实验评估，结果表明，使用DA3-X的代理可以获得比基线代理更好的性能。此外，将DA3-X中注意力权重的热图可视化，以分析决策过程和协调行为如何受到噪声的影响。

内容中包含的图片若涉及版权问题，请及时与我们联系删除