arXiv cs.RO 机器人学· Svar Rajankumar Patel, Kshitij Jerath·· 5 小时前精选AI 评分47
ADiCo 用极值搜索控制在线调节多智能体强化学习的行为多样性
Optimizing Team Behavior via Extremum-seeking Control in Multi-agent Reinforcement Learning
AI 导读
论文提出 Adaptive Diversity Control（ADiCo）双时间尺度框架，在训练中在线调节协作式多智能体强化学习的行为多样性：快时间尺度用 Diversity Control（DiCo）把系统多样性收敛到目标值，慢时间尺度用极值搜索控制器（ESC）仅凭平均回合回报调整该目标，无需多样性-性能曲面的显式模型或解析梯度。
推荐理由
论文把经典极值搜索控制引入多智能体强化学习，用在线自适应替代人工网格搜索多样性目标，方法思路可迁移。
来源：arXiv cs.RO 机器人学 · arxiv.org