Baidu（百度）

M$^{2}$GRPO: Mamba-based Multi-Agent Group Relative Policy Optimization for Biomimetic Underwater Robots Pursuit

M$^{2}$GRPO：基于Mamba的多智能体群体相对策略优化用于仿生水下机器人追捕

Yukai Feng, Zhiheng Wu, Zhengxing Wu, Junwen Gu, Junzhi Yu

机构 * Baidu Inc.（百度公司） 纠错

AI总结 本文提出M$^{2}$GRPO框架，结合选择性状态空间Mamba策略与群体相对策略优化，解决水下机器人追捕中的长时决策、部分可观测性和多机器人协调问题，提升策略的表达性和稳定性。