Multi-agent RL专业
SCOUT:测试时分解价值梯度传输实现离线多智能体协调
本文为arXiv预印本,提出SCOUT框架,将流匹配行为先验与分解价值函数解耦,在测试时通过Stein变分梯度下降把动作样本传输到高价值区域,避免训练时策略参数化和固定正则化系数。在SMACv1和MA-MuJoCo共24个离线数据集上平均得分最高,并在全部离线到在线实验中取得提升。该方法为生成式策略与值优化提供了一种不牺牲多模态的测试时精修路径。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
本文为arXiv预印本,提出SCOUT框架,将流匹配行为先验与分解价值函数解耦,在测试时通过Stein变分梯度下降把动作样本传输到高价值区域,避免训练时策略参数化和固定正则化系数。在SMACv1和MA-MuJoCo共24个离线数据集上平均得分最高,并在全部离线到在线实验中取得提升。该方法为生成式策略与值优化提供了一种不牺牲多模态的测试时精修路径。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。