2020ICML多智能体强化学习论文简介

最新推荐文章于 2025-12-02 23:50:29 发布
原创 最新推荐文章于 2025-12-02 23:50:29 发布 · 3.4k 阅读 · 26 ·
CC 4.0 BY-SA版权
本文为博主原创文章，转载请声明作者rockray21。如有问题，欢迎指正。
文章标签：

#强化学习

这篇博客是对ICML 2020会议上多智能体强化学习论文的总结。涵盖了从延迟通信的协同学习、重尾随机bandit问题的鲁棒决策，到行列式Q学习、信息瓶颈通信方法，再到角色强化学习、分层智能体架构等多个方面。文章讨论了如何通过优化合作、解决通信限制、角色涌现和泛化能力提升等方面来改进多智能体强化学习的性能，并提供了在不同场景下的应用实例和实验结果。

强化学习最新论文汇总

如有错误，欢迎指正

本篇为自我学习过程中的要点记录，仅作学习使用。
所引用内容的链接将全部粘贴于下方，如有侵权，请与本人联系。

所引用内容链接

感谢这篇汇总
ICML2020 180篇强化学习论文汇总: https://zhuanlan.zhihu.com/p/147774833?utm_source=ZHShareTargetIDMore.

Multi-Agent RL

1. Kernel Methods for Cooperative Multi-Agent Learning with Delays

Abhimanyu Dubey (Massachusetts Institute of Technology) · Alex `Sandy’ Pentland (MIT)

多智能体协同决策是指在网络上进行具有时延的通信时，一群智能体协同解决学习问题。本文考虑了kernelised contextual bandit问题。1其中一个agent获得的奖赏是相关再生核Hilbert空间（RKHS）中上下文图像的任意线性函数，并且一组agent必须合作来共同解决其唯一的决策问题。对于这个问题，我们提出了extsc{Coop KernelUCB}，这是一个在每个agent regret上提供近似最优边界的算法，在计算和通信方面都是有效的。对于合作问题的特殊情况，我们还提供了extsc{Coop KernelUCB}的变体，它提供了每个agent的最优regret。此外，我们的算法推广了多agent bandit环境下已有的一些结果。最后，在一系列综合的和真实的多智能体网络基准测试中，我们证明了我们的算法明显优于现有的基准测试。

2. Robust Multi-Agent Decision-Making with Heavy-Tailed Payoffs

Abhimanyu Dubey (Massachusetts Institute of Technology) · Alex `Sandy’ Pentland (MIT)

研究了多智能体协作环境下的重尾随机bandit问题，其中一组agent与一个共同的bandit问题相互作用，同时在网络上进行有时延的通信。现有的随机bandit算法利用基于平均的通信协议产生的置信区间，该协议不适合重尾设置的鲁棒估计。我们提出了一个分散的多智能体算法来解决协作随机bandit问题，它将鲁棒估计与消息传递协议结合起来。我们证明了在多个问题设置下的最优regret界，并证明了它比现有方法的优越性。此外，我们建立了合作bandit问题的第一下界，并提供了鲁棒bandit位置估计的有效算法。

3. Multi-Agent Determinantal Q-Learning

Yaodong Yang (Huawei Technology R&D UK) · Ying Wen (UCL) · Jun Wang (UCL) · Liheng Chen (Shanghai Jiao Tong University) · Kun Shao (Huawei Noah’s Ark Lab) · David Mguni (Noah’s Ark Laboratory, Huawei) · Weinan Zhang (Shanghai Jiao Tong University)

分散执行的集中式训练已成为多智能体学习的一种重要范式。目前的方法虽然实用，但是依赖于限制性的假设来分解agent之间的集中的值函数以供执行。本文通过提出多智能体行列式Q学习来消除这种限制。我们的方法建立在Q-DPP上，它是行列式点过程（DPP）在多智能体环境下的推广。Q-DPP促进了agent获得不同的行为模型；这使得联合Q函数可以自然分解，而不需要对值函数或特殊的网络结构进行结构约束。我们证明了Q-DPP在可分散协作任务上推广了包括VDN、QMIX和QTRAN在内的主要解决方案。为了有效地从Q-DPP中提取样品，我们采用了一个线性时间取样器，并保证了理论近似性。我们的采样器也有利于通过协调agent在训练期间覆盖状态空间中的正交方向进行探索。我们对我们的算法在各种协作基准上进行了评估，并与最新的算法进行了比较，证明了算法的有效性。

4. Learning Efficient Multi-agent Communication: An Information Bottleneck Approach

Rundong Wang (Nanyang Technological University) · Xu He (Nanyang Technological University) · Runsheng Yu (Nanyang Technological University) · Wei Qiu (Nanyang Technol

最低0.47元/天 解锁文章
【二】最新多智能体强化学习文章如何查阅｛顶会：AAAI、 ICML ｝
丨汀、的博客
07-21 4074
1.中国计算机学会(CCF)推荐国际学术会议和期刊目录 CCF官方网站 CCF推荐国际学术会议（参考链接：链接点击查阅具体分类） 类别如下计算机系统与高性能计算，计算机网络，网络与信息安全，软件工程，系统软件与程序设计语言，数据库、数据挖掘与内容检索，计算机科学理论，计算机图形学与多媒体，人工智能与模式识别，人机交互与普适计算，前沿、交叉与综合 2021 ICML 多智能体强化学习论文整理汇总 类别名称 数量 投稿量 5513​ 接收量 1184 强化学习方向文章
多智能体强化学习 (MultiAgent Reinforcement Learning)
AI天才研究院
07-09 1762
多智能体强化学习 (Multi-Agent Reinforcement Learning) 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：多智能体系统, 协作与竞争, 强化学习, 自动化决
icml2020文章列表及下载链接.zip
08-31
icml 2020 所有文章的下载链接，全部 1086 篇文章，链接点击直接跳转到 pdf，可直接下载paper
ICML2020-CURL（自监督学习+强化学习文章）阅读
养羊的博客
09-07 1550
阅读ICML2020-CURL-自监督+强化学习相关论文 文章目录阅读ICML2020-CURL-自监督+强化学习相关论文摘要方法补充 今天阅读了ICML2020的一篇文章，题目信息： 作者是UCB的。 摘要 强化学习如果直接从高维数据开始学习，例如从pixel开始学习，需要大量的样本，样本利用效率比较低，因此CURL希望通过自监督学习中的对比学习（contrastive learning）自动从raw pixel中学习到比较高层的抽象特征，并在此基础上进行强化学习。CURL算法在经典的连续和离散控制环境
【OpenChat】ROMA：重新定义多智能体系统，开源框架实现复杂任务高效破解
qq_62881830的博客
10-13 1019
本文围绕 ROMA（递归开源元智能体）框架展开，介绍其以层级化递归任务树为核心的架构，通过 “分解 - 执行 - 聚合” 逻辑处理复杂任务，并结合洛杉矶与纽约气候差异报告案例直观呈现运作流程。同时阐述其透明可追溯的上下文流、模块化 “即插即用”、树结构天然并行化三大优势，以及 ROMA Search 在 SEALQA 基准测试中超越 Kimi Researcher、Gemini 2.5 Pro 等系统的实战成果。此外，文章还提出 ROMA 与 OpenChat 的融合方案，从节点级集成（将 OpenChat
多智能体强化学习论文——MAAC
我的AI笔记
09-03 3434
存在的问题&研究动机&研究思路 多智能体值函数逼近，本质上来说是一个多任务回归问题。 MAAC从当前策略中采样动作值，儿MADDPG从replay buffer中抽样更新（容易造成overgeneralization）。 通过注意力计算的模型，可以使得每个智能体不需要相同的动作空间，也不需要全局的reward，并且动态的关注其他智能体（αi\alpha_iαi​动态变化）。这一切可以通过一个智能体iii的编码eie_iei​和其他智能体对智能体iii的影响xix_ixi​，concaten
2020 ICML 全部论文
u014546828的博客
11-30 9378
All Papers 38 -ShapeCaptioner: Generative Caption Network for 3D Shapes by Learning a Mapping from Parts Detected in Multiple Views to Sentences "Zhizhong Han (University of Maryland, College Park); Chao Chen (Tsinghua University); Yu-Shen Liu (Tsinghua.
多智能体强化学习-MAAC
大鱼治不了水的博客
11-03 2653
MAAC：加入注意力机制
【论文笔记】多智能体强化学习值分解基础论文5篇
Xixoqw的博客
04-14 4764
IQL、COMA、VDN、QMIX、QTRAN算法大致思路梳理
【强化学习论文合集】三十一.2021智能体和多智能体系统国际联合会议论文(AAMAS2021)
计算机科研杂货铺
11-29 2685
强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。
强化学习—多智能体
热门推荐
Tony Wey的博客
08-13 1万+
多智能体强化学习是强化学习中的一个重要分支，涉及多个智能体在动态和交互的环境中学习和决策。它面临着挑战，如非稳定性、维度灾难以及智能体之间的协作与竞争。然而，随着算法的不断进步，MARL 在多个复杂应用领域中显示出巨大的潜力和前景。如果有更多的具体问题或需要深入讨论某个方面，欢迎继续提问！在一个包含多个玩家的博弈中，每个玩家都有一个策略集Σi\Sigma_iΣi​，以及对应的收益函数uiσ1σ2σnui​σ1​σ2​σn​，其中σi\sigma_iσ。
TAG：多智能体分层强化学习的去中心化框架
栖客
03-02 1448
在 name 中，信息通过相邻层次之间的连续循环流动，由 LevelEnv 抽象促进。这种流动可以通过两条不同的路径表征：自底向上和自顶向下，如图 2 所示。层次 \(l\) 与上下层之间的信息流表示。自顶向下的动作流用蓝色表示。自底向上的消息和奖励流分别用红色和绿色表示。3.2.0.1 自底向上流该框架的优势在于消息如何处理和转换。代理不仅可以简单传递原始观测，还可以学习提取和传达对协调至关重要的相关特征。例如，一个代理可能会学习在需要其他代理帮助或实现有助于更大目标的子目标时发出信号。
多智能体强化学习综述阅读笔记
CBLXXX的博客
10-14 2820
本文是探索多智能体强化学习领域的一些论文的翻译和总结，更多会偏向开源的代码，便于实现，另外根据我的方向，对于论文的选择会具有一定的倾向，一些方面可能介绍的不是很完全。对于一些测试和基准的介绍可能也不会很多
多智能体强化学习论文——G2ANet（AAAI 2020）
我的AI笔记
09-22 1629
存在的问题&研究动机&研究思路 创新点 算法框图 实验 some points
面向多智能体系统的分布式强化学习算法研究
11-27 372
未来，我们可以进一步改进和优化分布式强化学习算法，推动其在多智能体系统中的应用，提高多智能体系统的智能化水平和应用价值。多智能体对抗决策：面向多智能体系统的分布式强化学习算法可以应用于多智能体对抗决策问题，如多智能体游戏对战、金融市场交易等。与传统的单智能体强化学习算法相比，分布式强化学习算法能够处理多智能体之间的相互作用和协调问题，提高系统的整体性能。非稳定性：多智能体系统中的智能体之间的相互作用和协调会导致系统的非稳定性，传统的单智能体强化学习算法往往无法处理这种非稳定性。二、多智能体系统中的挑战。
大模型微调不用愁！一文搞懂五种关键技术
优快云_224022的博客
09-04 1689
大模型微调指南：从理论到实战 本文系统讲解大模型微调技术，将通用AI转化为专业工具。核心内容包括： 微调本质解析 - 类比"学霸实习"，使通用模型掌握行业技能 五大微调方法：全参微调（高成本高效果）、PEFT（低成本高效）、提示词微调、指令微调、RLHF（ChatGPT核心技术） 五步实操流程：数据准备→模型选择→参数设置→效果评估→部署优化 学习资源推荐：包含完整学习路线、实战项目及行业专家整理的书籍资料 文末提供全套大模型学习资料包（含视频/案例/面试题），适合零基础开发者快速入门高
Multi-Agent辩论树ToD：让AI具备批判性思维，用R1推理，解决复杂认知任务
m0_59235945的博客
02-25 1660
随着AI工具越来越普及，类似Deep Researh这样的工具越来越好用，科学研究成果呈现爆炸式增长。以arXiv为例，仅2024年10月就收到超过24,000篇论文提交。这种天文数字般的增长使得研究人员面临着前所未有的挑战：如何在海量的研究成果中准确识别新发现？如何辨别相关论文之间的细微差异？特别是当不同研究社区从不同角度提出类似想法时，这个问题变得更加复杂。传统的文献分析方法往往依赖于简单的文本对比或关键词匹配，这种方法难以捕捉论文之间的深层联系和差异。
LLMs之AgenticRAG：《Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG》翻译与解读
最新发布
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
12-02 649
​ LLMs之AgenticRAG：《Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG》翻译与解读 目录 《Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG》翻译与解读 Abstract 1、Introduction 6 Conclusion 《Agentic Retri
Awesome Meta Learning
John's Blogs
09-30 585
Awesome Meta Learning A curated list of Meta Learning papers, code, books, blogs, videos, datasets and other resources. Table of Contents Papers and Code Books Blogs Lecture Videos Datasets Workshops Researchers Papers and Code A curated set of papers al
多智能体强化学习论文
05-17
### 多智能体强化学习学术论文下载途径 多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）是一个快速发展的研究领域，涉及多个智能体在共享环境中通过交互来实现各自目标的过程[^2]。为了获取最新的MARL相关学术论文，可以采用以下几种方法： #### 1. **知名会议和期刊** 许多高质量的MARL研究成果发表于顶级人工智能和机器学习会议及期刊中。这些平台包括但不限于： - ICLR (International Conference on Learning Representations)[^4] - NeurIPS (Conference on Neural Information Processing Systems) - AAAI (Association for the Advancement of Artificial Intelligence)[^1] - ICML (International Conference on Machine Learning) 可以通过访问这些会议官网或其合作出版商（如arXiv、SpringerLink、IEEE Xplore等）检索关键词“multi-agent reinforcement learning”，找到相关的论文。 #### 2. **预印本服务器 arXiv** arXiv 是一个开放存取的电子预印本文库，涵盖了大量计算机科学领域的前沿工作。可以直接在其网站上搜索主题词“multi-agent reinforcement learning”或者具体的算法名称（如MADDPG、QMIX等），并按时间排序筛选最新文章[^3]。 #### 3. **Google Scholar 和 Microsoft Academic** 这两个搜索引擎专门用于科研文献查询。输入精确的主题术语可以帮助定位特定类型的MARL研究进展。例如，“Anytime Multi-Agent Path Finding via Machine Learning-Guided Large Neighborhood Search” 可能出现在这样的索引服务里[^1]。 #### 4. **大学和技术公司实验室主页** 很多顶尖高校的研究小组以及科技巨头（谷歌DeepMind、Facebook AI Research FAIR、阿里巴巴达摩院等）都会定期发布他们在MARL方面的探索成果。浏览他们的官方网站往往可以获得一手资料链接至原始PDF文档。 #### 5. **在线图书馆与数据库** 如果需要正式版本而非预印刷版，则可利用机构订阅权限进入如下大型综合型数字图书管理系统查阅付费墙后的全文内容： - ScienceDirect - Wiley Online Library - Taylor & Francis Online 以下是Python脚本示例展示如何自动化抓取某些公开资源中的元数据信息作为进一步手动挑选依据之一: ```python import requests from bs4 import BeautifulSoup def fetch_arxiv_papers(query='multi-agent reinforcement learning', max_results=10): base_url = f"https://export.arxiv.org/api/query?search_query=all:{query}&start=0&max_results={max_results}" response = requests.get(base_url) soup = BeautifulSoup(response.content, 'xml') entries = soup.find_all('entry') papers_info = [] for entry in entries: title = entry.title.text.strip() summary = entry.summary.text.strip().replace('\n',' ') link = entry.id.text paper_data = { "Title":title, "Summary":summary[:200]+'...', #截断摘要显示前两百字符加省略号 "URL":link } papers_info.append(paper_data) return papers_info if __name__ == "__main__": results = fetch_arxiv_papers() for idx,result in enumerate(results,start=1): print(f"{idx}. {result['Title']}\n Summary: {result['Summary']}\n URL: {result['URL']}\n") ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值