Effective and Stable Role-Based Multi-Agent Collaboration by Structural Information Principles
Beihang University（北京航空航天大学）；Zhongguancun Laboratory（中关村实验室）
针对多智能体强化学习中角色发现不稳定的问题，提出基于结构信息原则的SIRD方法和SR-MARL框架，通过分层动作空间聚类发现角色，在StarCraft II基准上显著提升了胜率并降低了偏差。
2023-04-03 cs.AI
Towards Robust Multi-UAV Collaboration: MARL with Noise-Resilient Communication and Attention Mechanisms
College of Software Engineering, Jilin University（吉林大学软件学院）；College of Instrumentation and Electrical Engineering, Jilin University（吉林大学仪器科学与电气工程学院）；School of Communication Engineering, Jilin University（吉林大学通信工程学院）；School of Electrical Engineering, China University of Mining and Technology（中国矿业大学电气工程学院）；School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）
针对噪声环境下多无人机协作通信与决策难题，提出基于COMA算法并融合注意力机制通信协议的MARL框架，显著提升了3D空间路径规划的效率与鲁棒性，实现78%的熵减提升。
2025-03-04 cs.AI cs.MA cs.RO
CREW: Facilitating Human-AI Teaming Research
Duke University（杜克大学）
CREW是一个面向实时决策场景的人机协同研究平台，提供预置任务、多模态生理信号记录和人类引导强化学习基准测试，并通过50名受试者实验验证其有效性。
2025-01-01 cs.AI cs.HC cs.LG
Advancing Human-Machine Teaming: Concepts, Challenges, and Applications
Virginia Tech（弗吉尼亚理工大学）；C. G. Woodson High School（C. G. Woodson高中）；US DEVCOM Army Research Laboratory（美国国防高级研究计划局陆军实验室）；Korea Institute of Energy Technology (KENTECH)（韩国能源技术研究所）；The University of Queensland（昆士兰大学）
本文综述了人机协同的概念、理论模型与跨学科方法，分析了可解释性、角色分配等关键挑战，并提出跨领域适应、信任感知AI和标准化测试平台等未来方向，为构建可扩展的HMT系统奠定基础。
2025-05-06 cs.AI cs.HC cs.LG
PP-MARL: Efficient Privacy-Preserving Multi-Agent Reinforcement Learning for Cooperative Intelligence in Communications
Georg-August-University of Göttingen（哥廷根大学）；NOOT Tech. Co., Ltd.（NOOT科技有限公司）
针对通信场景下多智能体强化学习隐私保护难度大、现有技术开销高的问题，提出结合同态加密、差分隐私与拆分学习的PP-MARL方案，在两个通信用例中实现更优隐私保护与更低开销。
2025-02-21 cs.AI cs.CR cs.MA
LLM Collaboration With Multi-Agent Reinforcement Learning
本研究提出MAGRPO算法，将大语言模型协同工作建模为多智能体强化学习问题，通过有效协同提升生成质量。
2025-12-09 cs.AI cs.SE
Skill-Aligned Fairness in Multi-Agent Learning for Collaboration in Healthcare
Cornell Tech（康奈尔科技）；Microsoft Research（微软研究院）
针对医疗协作多智能体学习中公平性忽视专业知识的问题，提出FairSkillMARL框架定义公平为工作负载平衡与技能-任务对齐的双重目标，并构建MARLHospital环境，为异构多智能体系统公平性研究提供工具与基础。
2025-11-18 cs.AI cs.LG cs.MA
Learning Decentralized LLM Collaboration with Multi-Agent Actor Critic
Northeastern University, Boston, MA（波士顿马萨诸塞大学）
针对分散式LLM协作优化，提出两种多智能体Actor-Critic方法（CoLLM-CC和CoLLM-DC），实验表明在长时域或稀疏奖励任务中集中式Critic方法优于蒙特卡洛方法和分散式Critic方法。
2026-05-26 cs.AI cs.DC cs.MA
The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why -- A Survey from MARL to Emergent Language and LLMs
University of Arizona（亚利桑那大学）；Carnegie Mellon University（卡内基梅隆大学）
本文综述了多智能体通信的五个W，探讨了从MARL到涌现语言和LLM的发展，分析了不同范式下的通信设计、权衡与挑战。
2026-02-12 cs.AI cs.LG
CH-MARL: A Multimodal Benchmark for Cooperative, Heterogeneous Multi-Agent Reinforcement Learning
Alexa AI, Amazon Inc（亚马逊公司Alexa人工智能部门）；University of Southern California（南加州大学）
我们提出了一个多模态（视觉和语言）合作和异构多智能体学习的基准。我们引入了一个基准多模态数据集，其任务涉及在丰富的多房间家庭环境中多个模拟异构机器人之间的协作。我们提供了一个集成的学习框架，最先进的多智能体强化学习技术的多模态实现，以及一致的评估协议。我们的实验研究了不同模式对多智能体学习性能的影响。我们还介绍了一个简单的代理之间的消息传递方法。研究结果表明，多模态引入了独特的挑战，合作多智能体学习和有显着的空间，在这种情况下，推进多智能体强化学习方法。
2022-08-26 cs.AI cs.CV cs.LG
Advancing Frontiers in SLAM: A Survey of Symbolic Representation and Human-Machine Teaming in Environmental Mapping
School of Engineering and Information Technology, University of New South Wales（新南威尔士大学工程与信息技术学院）
本文综述了SLAM中符号表示、多智能体系统与人机协作的最新进展，重点分析边缘和控制智能体架构在建图中的应用及其对精度与效率的提升。
2024-03-22 cs.AI
Collaboration Promotes Group Resilience in Multi-Agent RL
本文提出多智能体强化学习中的群体韧性概念，通过评估不同协作协议，证明协作能显著提升智能体适应环境扰动的能力，实现比非协作方法更高的群体韧性。
2025-07-14 cs.AI cs.LG cs.MA
A Roadmap Towards Improving Multi-Agent Reinforcement Learning With Causal Discovery And Inference
University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学）；Department of Sciences and Method for Engineering（科学与工程方法学院）
本文探索因果推理应用于多智能体强化学习（MARL）的机遇与挑战，通过在多类协作需求的前沿MARL场景与算法中测试简单因果增强的效果，梳理正负结果并提出未来研究方向，为因果RL向多智能体场景迁移提供路线参考。
2025-03-22 cs.AI cs.LG cs.MA
From Solo to Symphony: Orchestrating Multi-Agent Collaboration with Single-Agent Demos
针对多智能体强化学习数据获取成本高的问题，提出SoCo框架，通过预训练单智能体策略并利用策略融合机制将其迁移至协作学习，显著提升训练效率与性能。
2025-11-04 cs.LG cs.MA
Wolfpack Adversarial Attack for Robust Multi-Agent Reinforcement Learning
Graduate School of Artificial Intelligence, UNIST, Ulsan, South Korea（人工智能研究生院，UNIST，韩国乌山）
本文提出狼群对抗攻击框架，用于对抗多智能体强化学习中的协同对抗攻击，并引入狼群-对抗学习框架来训练鲁棒的MARL策略以防御该攻击。
2025-06-18 cs.AI cs.CR cs.LG
Collaboration Between the City and Machine Learning Community is Crucial to Efficient Autonomous Vehicles Routing
Faculty of Mathematics and Computer Science, Jagiellonian University（数学与计算机科学学院，雅盖隆大学）
针对自动驾驶车辆用MARL做路径优化可能 destabilize 交通、算法难收敛且真实训练有风险的问题，论文提出城市需与ML社区协作监管车企的路径算法，以实现公平高效的算法与标准。
2025-06-14 cs.LG cs.MA cs.RO
Toward Policy Explanations for Multi-Agent Reinforcement Learning
University of Virginia（弗吉尼亚大学）；Bar-Ilan University（巴伊兰大学）
多智能体强化学习（MARL）的进步使一系列令人兴奋的多智能体应用（如协作AI和自动驾驶）能够进行顺序决策。解释代理决策对于提高系统透明度，提高用户满意度和促进人类-代理协作至关重要。然而，现有的可解释的强化学习的工作主要集中在单智能体设置，不适合解决多智能体环境所带来的挑战。我们提出了新的方法来产生两种类型的政策解释MARL：（一）政策总结的代理合作和任务序列，和（ii）语言解释回答查询代理行为。三个MARL域上的实验结果证明了我们的方法的可扩展性。一项用户研究表明，生成的解释显着提高用户的性能，并增加主观评分的指标，如用户满意度。
2022-05-23 cs.AI cs.LG
M$^3$RL: Mind-aware Multi-agent Management Reinforcement Learning
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Facebook AI Research（Facebook人工智能研究）
大多数关于多智能体强化学习（MARL）的先前工作通过直接控制智能体以最大化共同奖励来实现最佳协作。在本文中，我们将从一个不同的角度来解决这个问题。特别是，我们考虑的情况下，有自我利益的代理（即，工人代理），它们有自己的思想（偏好、意图、技能等）。并且不能被命令执行他们不希望做的任务。为了实现这些代理之间的最佳协调，我们训练超级代理（即，管理者）首先根据当前和过去的观察推断他们的想法，然后签订合同，将合适的任务分配给工人，并承诺给予相应的奖金，以便他们同意一起工作。管理者的目标是最大限度地提高整体生产力，并最大限度地减少支付给工人的临时工人团队。为了训练管理者，本文提出了思维感知的多智能体管理强化学习（M^3RL），它包括智能体建模和策略学习。我们已经评估了我们的方法在两个环境中，资源收集和手工制作，模拟多代理管理问题与各种任务设置和多个设计的工人代理。实验结果验证了我们的方法在建模工人代理的思想在线，并在实现最佳的ad-hoc团队具有良好的泛化和快速适应的有效性。
2019-03-07 cs.AI cs.LG cs.MA
Goals are Enough: Inducing AdHoc cooperation among unseen Multi-Agent systems in IMFs
Ericsson Research（爱立信研究院）；Indian Institute of Technology, Kharagpur（印度理工学院卡拉格普尔分校）
本文提出利用基于AI的监督者智能体和AdHoc-Teaming方法，通过动态目标激励预训练MARL智能体并行协作，以高效满足网络意图，实验表明其优于规则方法且能泛化到环境变化。
2023-10-26 cs.AI cs.MA
Human-AI Collaboration in Real-World Complex Environment with Reinforcement Learning
University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）；AI Redefined Inc（AI Redefined 公司）；JACOBB（JACOBB 公司）；Thales Digital Solutions（泰雷兹数字解决方案公司）
本研究通过强化学习实现人机协作，在复杂模拟环境中验证其优于纯人类或纯AI控制，并提出关键基础设施保护模拟器与用户界面，证明人类建议可加速多智能体学习。
2023-12-23 cs.AI cs.HC cs.LG
Evo-MARL: Co-Evolutionary Multi-Agent Reinforcement Learning for Internalized Safety
Northwestern University（西北大学）；University of Illinois at Chicago（伊利诺伊大学香槟分校）
Evo-MARL提出一种协同进化多智能体强化学习框架，通过内化安全机制使所有智能体共同防御对抗威胁，无需外部防护模块，在推理任务中降低攻击成功率22%并提升准确率5%。
2025-09-06 cs.AI
Situation-Dependent Causal Influence-Based Cooperative Multi-agent Reinforcement Learning
Software Engineering Institute, East China Normal University（华东师范大学软件工程学院）
针对多智能体强化学习中智能体协调与探索能力不足的问题，提出基于情境依赖因果影响的SCIC算法，通过因果干预和条件互信息检测智能体间因果影响并设计内在奖励机制，提升协作性能，在多个基准上优于现有方法。
2023-12-15 cs.AI
Topology Enhanced MARL for Multi-Agent Cooperative Decision-Making of CAVs
School of Automotive Studies, Tongji University（同济大学汽车学院）
本文针对连续环境多智能体协同决策的维度灾难问题，提出TPE-MARL算法，通过游戏拓扑张量与双内在奖励机制优化，在CAV协同决策任务中实现接近最优性能与零样本泛化能力。
2026-08-04 cs.AI
Language-Driven Coordination and Learning in Multi-Agent Simulation Environments
本文提出 LLM-MARL 框架，将大语言模型集成到多智能体强化学习中，通过 Coordinator、Communicator 和 Memory 模块动态生成子目标、促进通信并支持情景回忆，显著提升了多游戏环境中的胜率、协调与泛化能力。
2025-11-03 cs.AI cs.LG cs.MA
A Collaborative Safety Shield for Safe and Efficient CAV Lane Changes in Congested On-Ramp Merging
School of Computer Science and Statistics, Trinity College Dublin（计算机科学与统计学系，三一学院都柏林）
本文提出MARL-MASS，通过整合多智能体安全盾和定制奖励函数，在拥堵交通中实现安全且高效的车道变换。
2026-02-10 cs.AI cs.MA cs.RO
Dynamic Collaborative Multi-Agent Reinforcement Learning Communication for Autonomous Drone Reforestation
Aleph Alpha
我们采用协作式多智能体强化学习（MARL）设置来实现基于无人机的自主重新造林。代理可以作为动态变化的网络的一部分进行通信。我们在一个高影响力的问题背后探索协作和沟通。森林是控制二氧化碳上升的主要资源。不幸的是，全球森林体积正在以前所未有的速度减少。许多地区太大，很难穿越种植新的树木。为了有效地覆盖尽可能多的区域，在这里，我们提出了一个基于图神经网络（GNN）的通信机制，使合作。代理可以共享需要重新造林的区域的位置信息，这增加了查看的区域和种植的树木数量。我们比较我们提出的通信机制与多代理基线没有能力进行通信。结果表明，沟通如何实现协作，提高集体绩效，种植精度和个人代理的冒险倾向。
2022-11-14 cs.AI cs.LG cs.MA
Proactive Multi-Camera Collaboration For 3D Human Pose Estimation
Peking University（北京大学）；Beijing Institute for GAI (BIGAI)（北京通用人工智能研究院）
本文提出了一种多智能体强化学习（MARL）方案，用于动态人群中三维人体姿态估计的主动多摄像机协作。传统的固定视点多摄像机人体运动捕捉（MoCap）方法存在捕捉空间受限、易受动态遮挡等问题。主动相机方法主动控制相机姿势以找到用于3D重建的最佳视点。然而，目前的方法仍然面临着信用分配和环境动态的挑战。为了解决这些问题，我们提出的方法引入了一种新的协作三角测量贡献奖励（CTCR），提高收敛性和简化多智能体信用分配问题所产生的使用三维重建精度作为共享奖励。此外，我们联合训练我们的模型与多个世界动态学习任务，以更好地捕捉环境动态，并鼓励预期的行为，以避免闭塞。我们在四个逼真的UE4环境中评估我们提出的方法，以确保有效性和通用性。实证结果表明，我们的方法优于固定和主动基线在各种情况下，不同数量的摄像机和人类。
2023-03-07 cs.CV cs.LG cs.MA
Mixed Q-Functionals: Advancing Value-Based Methods in Cooperative MARL with Continuous Action Domains
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；Richard Miner School of Computer and Information Sciences（理查德·迈纳斯计算机与信息科学学院）
本文提出了一种新颖的多智能体基于价值的算法 Mixed Q-Functionals (MQF)，通过将状态转换为基函数并混合动作值促进协作，在连续动作域中实现了快速动作评估和提升的样本效率，优于四种 DDPG 变体。
2024-02-12 cs.LG cs.MA cs.RO
Collaborative Visual Navigation
Peking University（北京大学）；SenseTime Research（商汤科技研究院）；ETH Zurich（苏黎世联邦理工学院）
多智能体系统（MAS）作为人工智能的一个基本问题，在多智能体强化学习（MARL）技术的推动下，取得了飞速的发展。然而，以前的MARL方法主要集中在网格世界或游戏环境中，MAS在视觉丰富的环境中仍然很少探索。为了缩小这一差距，强调感知在MAS中的关键作用，我们提出了一个大规模的3D数据集，CollaVN，多智能体视觉导航（MAVN）。在CollaVN中，需要多个代理在逼真的环境中协作导航以到达目标位置。不同的MAVN变量进行了探索，使我们的问题更一般。此外，提出了一种内存增强的通信框架。每个代理都配备了一个私有的外部存储器，用于永久存储通信信息。这使代理能够更好地利用他们过去的通信信息，实现更有效的协作和强大的长期规划。在我们的实验中，设计了几个基线和评估指标。我们还实证验证了我们提出的MARL方法在不同的MAVN任务设置的有效性。
2021-07-20 cs.AI cs.CV cs.RO
The Power of Communication in a Distributed Multi-Agent System
单智能体（SA）强化学习系统在非平稳问题上表现出突出的效果。然而，多智能体强化学习（MARL）可以超越SA系统一般和规模。此外，MA系统可以通过协作来增强，这可以通过观察他人或用于在协作者之间共享信息的通信系统来实现。在这里，我们开发了一种分布式MA学习机制，能够基于分散的部分可观察马尔可夫决策过程（Dec-POMDPs）和图神经网络（GNNs）进行通信。协作式多智能体机制可以在提高性能的同时最大限度地减少训练机器学习模型所消耗的时间和能量。我们在一个真实的场景中展示了这一点，一个海上风电场，包括一组分布式风力涡轮机，其目标是最大限度地提高集体效率。与SA系统相比，MA协作在不可见和规模化的场景中显着减少了培训时间和更高的累积回报。
2021-12-14 cs.AI cs.LG cs.MA
AdvEvo-MARL: Shaping Internalized Safety through Adversarial Co-Evolution in Multi-Agent Reinforcement Learning
Northwestern University（西北大学）；University of Illinois at Chicago（伊利诺伊大学香槟分校）；University of Rochester（罗切斯特大学）；Carnegie Mellon University（卡内基梅隆大学）
针对现有多智能体系统防御方法的缺陷，提出共进化框架AdvEvo-MARL，通过对抗训练将安全内化为任务智能体属性，引入组级基线稳定学习，在低攻击成功率下保持甚至提升任务准确率。
2025-10-02 cs.AI
Learning Multi-Agent Intention-Aware Communication for Optimal Multi-Order Execution in Finance
Shanghai Jiao Tong University（上海交通大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Microsoft Research Asia（微软亚洲研究院）
本文针对金融多订单同时执行问题，提出一种多智能体强化学习方法，通过可学习的多轮意图通信协议和动作价值归因优化，显著提升智能体协作效果与整体执行收益。
2023-07-06 cs.AI cs.LG cs.MA
Cross-Modal Navigation with Multi-Agent Reinforcement Learning
Khoury College of Computer Sciences（计算机科学学院）
本文提出CRONA框架，通过多智能体强化学习实现跨模态导航，利用辅助信念和集中式多模态批评者提升协作效率，实验表明多智能体方法在视觉-听觉导航中优于单智能体基线。
2026-05-07 cs.AI cs.LG cs.MA
Goal-Oriented Multi-Agent Reinforcement Learning for Decentralized Agent Teams
针对无集中控制、通信受限的跨域自动驾驶载具协同难题，提出目标感知选择性通信的去中心化MARL框架，可提升任务成功率、缩短达标时间且具备良好可扩展性。
2025-11-15 cs.AI cs.LG cs.MA
Enabling Multi-Agent Transfer Reinforcement Learning via Scenario Independent Representation
Missouri State University（密苏里州立大学）
提出一种通过统一状态空间实现多智能体迁移强化学习的框架，在SMAC环境中验证了其能显著提升学习性能，并结合课程迁移学习促进复杂异构场景下的知识迁移。
2024-02-13 cs.AI cs.LG
Multi-Agent Deep Reinforcement Learning Under Constrained Communications
US Army CCDC Ground Vehicle Systems Center（美国陆军地面车辆系统中心）
本文提出了一种无需集中信息的分布式多智能体强化学习框架DG-MAPPO，通过多跳通信实现全局状态推断，有效提升了协作任务的鲁棒性和可扩展性。
2026-01-22 cs.AI cs.LG
Multi-Agent Collaboration via Reward Attribution Decomposition
University of California, Berkeley（加州大学伯克利分校）；Unveristy of California, San Diego（加州大学圣地亚哥分校）；Tsinghua University（清华大学）；Facebook AI Research（Facebook人工智能研究院）
多智能体强化学习（MARL）的最新进展已经在Quake 3和Dota 2等游戏中实现了超人的表现。不幸的是，这些技术需要比人类多几个数量级的训练回合，并且即使在同一个游戏中也不能推广到新的代理配置。在这项工作中，我们提出了协作Q学习（CollaQ），实现了最先进的性能在星际争霸多智能体的挑战，并支持特设团队发挥。我们首先制定多智能体协作作为一个联合优化奖励分配，并表明每个代理有一个近似的最优策略，分解成两部分：一部分，只依赖于代理自己的状态，和其他部分，是与附近的代理的状态。根据这一新的发现，CollaQ将每个智能体的Q函数分解为一个自我项和一个交互项，并通过多智能体奖励归因（MARA）损失来规范训练。CollaQ在各种星际争霸地图上进行了评估，结果表明它优于现有的最先进的技术（即，QMIX、QTRAN和VDN），在相同样本数的情况下将胜率提高40%。在更具挑战性的特设团队游戏设置中（即，重新加权/添加/删除单位，无需重新训练或微调），CollaQ比之前的SoTA性能高出30%以上。
2020-10-16 cs.AI cs.LG cs.MA
Privacy-Aware Agent Collaboration for Dynamic VR Slice Management in 6G SD-RAN
CCAS Department, School of Engineering, NewGiza University (NGU)（计算机与软件工程学院，新吉扎大学）；Electronics and Communications, Helwan Univ. Cairo, Egypt（电子与通信，开罗海威大学，埃及）
提出一种移动性驱动的隐私感知多智能体强化学习框架，通过协作最大化VR链路资源分配，同时保护用户数据隐私，实现吞吐量提升34%、资源减少28%、隐私泄露降低85%。
2026-06-26 cs.AI cs.NI
SIGMA: Structured Noise-Effect-Aware Grouped Multi-Agent Aggregation
School of Computer Science and technology, Tongji University（同济大学计算机科学与技术学院）
针对多智能体强化学习的结构化噪声效应，提出分层协作框架SIGMA，通过分组聚合与组间注意力提升含噪观测下的鲁棒性，且在无噪环境中保持竞争力。
2026-08-28 cs.AI cs.LG cs.MA
Inferring Latent Temporal Sparse Coordination Graph for Multi-Agent Reinforcement Learning
Australian Artificial Intelligence Institute (AAII), Faculty of Engineering and Information Technology, University of Technology Sydney（澳大利亚人工智能研究所（AAII），悉尼科技大学工程与信息技术学院）
本文提出一种潜在时序稀疏协调图(LTS-CG)用于多智能体强化学习，通过历史观测计算智能体对概率矩阵，构建稀疏图以捕捉依赖关系和不确定性，同时减少计算复杂度并提升协作效率。
2026-04-10 cs.LG cs.MA
CREW-WILDFIRE: Benchmarking Agentic Multi-Agent Collaborations at Scale
Duke University（杜克大学）；Army Research Laboratory（陆军研究实验室）
CREW-WILDFIRE是一个开源基准测试，用于评估大规模多代理协作的可扩展性、鲁棒性和协作能力，通过真实复杂的野火响应场景推动多代理Agentic AI的研究发展。
2025-12-12 cs.AI cs.MA
Learning to Communicate and Collaborate in a Competitive Multi-Agent Setup to Clean the Ocean from Macroplastics
Aleph Alpha；Stuttgart（斯图加特）
本研究提出基于图神经网络的通信机制，使多智能体在竞争性清理海洋大塑料任务中通过二进制信号协作，显著提升集体清理性能并平衡竞争与协作。
2024-11-06 cs.AI cs.LG cs.MA
LDSA: Learning Dynamic Subtask Assignment in Cooperative Multi-Agent Reinforcement Learning
University of Science and Technology of China（中国科学技术大学）；Huawei Cloud（华为云）；Hefei Comprehensive National Science Center, Institute of Artificial Intelligence（合肥综合性国家科学中心人工智能研究院）
协作多智能体强化学习（MARL）近年来取得了显著的进展。为了提高训练效率和可扩展性，大多数MARL算法使所有Agent共享相同的策略或值网络。然而，在许多复杂的多智能体任务中，不同的智能体被期望具有特定的能力来处理不同的子任务。在这些情况下，不加区别地共享参数可能会导致所有代理之间的相似行为，这将限制探索效率并降低最终性能。为了平衡训练的复杂性和Agent行为的多样性，我们提出了一个新的框架来学习动态子任务分配（LDSA）在合作MARL。具体来说，我们首先引入一个子任务编码器，根据其身份为每个子任务构造一个向量表示。为了合理地分配代理到不同的子任务，我们提出了一个基于能力的子任务选择策略，它可以动态组具有相似能力的代理到同一个子任务。通过这种方式，处理相同子任务的智能体共享它们对特定能力的学习，并且不同的子任务对应于不同的特定能力。我们进一步引入了两个正则化器来增加子任务之间的表示差异，并通过阻止代理频繁更改子任务来稳定训练。实验结果表明，LDSA学习合理和有效的子任务分配更好的协作，并显着提高了具有挑战性的星际争霸II微观管理基准和谷歌研究足球的学习性能。
2022-11-04 cs.LG
PersonaTeaming: Supporting Persona-Driven Red-Teaming for Generative AI
Carnegie Mellon University（卡内基梅隆大学）；Apple（苹果公司）
本文提出PersonaTeaming方法，通过整合人设提升红队测试的自动化与人机协作能力，实验显示其在攻击成功率和提示多样性方面优于现有方法，并通过用户界面促进人机协同创新。
2026-09-09 cs.AI cs.CY cs.HC
AdverSAR: Adversarial Search and Rescue via Multi-Agent Reinforcement Learning
Pacific Northwest National Laboratory（太平洋西北国家实验室）
远程环境中的搜索和救援（SAR）任务通常采用自主多机器人系统，该系统学习、规划和执行本地单机器人控制动作、组原语和面向任务的全局协调与协作的组合。通常，SAR协调策略由人类专家手动设计，人类专家可以远程控制多机器人系统并实现半自主操作。然而，在连接有限且通常不可能进行人工干预的远程环境中，完全自主的操作需要分散的协作策略。然而，由于传感器噪声、致动故障或对智能体通信数据的操纵，分散式协调在对抗性环境中可能是无效的。在本文中，我们提出了一种基于对抗性多智能体强化学习（MARL）的算法方法，该方法允许机器人在存在对抗性智能体通信的情况下有效地协调其策略。在我们的设置中，多机器人团队的目标是通过最小化找到目标所需的平均时间，在障碍物遍布的地理区域中战略性地发现目标。假设机器人没有目标位置的先验知识，并且它们可以在任何时间仅与相邻机器人的子集进行交互。基于MARL中的集中训练与分散执行（CTDE）范式，我们利用一个层次元学习框架来学习动态团队协调模式，并发现复杂合作竞争场景下的突发团队行为。我们的方法的有效性证明了收集的原型网格世界环境与不同规格的良性和敌对代理，目标位置，代理奖励。
2022-12-20 cs.LG cs.MA cs.RO
DACOM: Learning Delay-Aware Communication for Multi-Agent Reinforcement Learning
University of Oslo（奥斯陆大学）；NOOT Tech. Co., Ltd.（NOOT科技有限公司）；Beijing University of Posts and Telecommunications（北京邮电大学）
在协作式多智能体强化学习（MARL）中，通信可以提高多智能体协作和整体性能。然而，由于大多数现有通信方案忽略了通信开销（例如，通信延迟）。在本文中，我们证明了忽略通信延迟对协作有不利影响，特别是在自动驾驶等延迟敏感的任务中。为了减轻这种影响，我们设计了一个延迟感知的多智能体通信模型（DACOM），以适应通信延迟。具体来说，DACOM引入了一个组件TimeNet，负责调整代理接收来自其他代理的消息的等待时间，以便解决与延迟相关的不确定性。我们的实验表明，DACOM有一个不可忽视的性能改善比其他机制，使通信的好处和等待消息的成本之间的更好的权衡。
2022-12-03 cs.LG cs.MA cs.NI
LLM-Powered Decentralized Generative Agents with Adaptive Hierarchical Knowledge Graph for Cooperative Planning
Carnegie Mellon University（卡内基梅隆大学）；Singapore University of Technology and Design（新加坡科技设计大学）；Roblox（罗布乐思公司）；Northeastern University（东北大学）
针对动态开放世界中多智能体长期协作的挑战，提出DAMCS系统，通过LLM驱动的生成智能体、自适应层次知识图谱记忆与结构化通信协议，在Crafter环境中实现高效协作，多智能体场景步骤显著减少。
2025-02-08 cs.AI cs.MA
Climate Surrogates for Scalable Multi-Agent Reinforcement Learning: A Case Study with CICERO-SCM
Technical University of Denmark（丹麦技术大学）
本文提出将高保真气候替代模型集成到多智能体强化学习框架中，以加速气候政策学习，实现近模拟器精度和百倍训练加速，且不牺牲政策保真度。
2026-10-06 cs.LG cs.MA
Signal Instructed Coordination in Cooperative Multi-agent Reinforcement Learning
Shanghai Jiao Tong University（上海交通大学）；Tencent AI Lab（腾讯人工智能实验室）；University College London（伦敦大学学院）；Carnegie Mellon University（卡内基梅隆大学）；Huya AI（虎牙人工智能）
在许多现实世界的问题中，一组智能体需要合作以最大化共同的回报。虽然现有的工作制定这个问题到一个集中学习与分散执行框架，这避免了非平稳问题的训练，他们的分散执行范式限制了代理的协调能力。受相关均衡概念的启发，我们提出引入协调信号来解决这一限制，并从理论上证明了在温和的条件下，具有协调信号的分散代理可以协调其由集中控制器操纵的个人策略。引入协调信号的思想是将协调策略封装到信号中，并利用信号来指导分散执行中的协作。为了鼓励代理学习利用协调信号，我们提出了信号指导协调（SIC），一种新的协调模块，可以集成到大多数现有的MARL框架。SIC将从预定义分布中采样的公共信号投射到所有代理，并引入信息理论正则化以促进观察到的信号与代理策略之间的一致性。我们的实验表明，SIC一致提高性能公认的MARL模型在矩阵游戏和捕食者-猎物游戏与高维战略空间。
2019-11-20 cs.AI cs.MA
Training Generalizable Collaborative Agents via Strategic Risk Aversion
Caltech Department of Computing and Mathematical Sciences, California Institute of Technology, Pasadena, CA, USA（加州理工学院计算机与数学科学系）；Caltech（加州理工学院）
本文提出了一种基于战略风险规避的多智能体强化学习算法，通过增强协作鲁棒性，实现与未见过的合作伙伴的可靠协作。
2026-02-27 cs.AI cs.LG cs.MA
Survey of Recent Multi-Agent Reinforcement Learning Algorithms Utilizing Centralized Training
US DEVCOM Army Research Laboratory（美国DEVCOM陆军研究实验室）；Oak Ridge Associated Universities（橡树岭联合大学）
该综述聚焦采用集中学习分散执行范式的多智能体强化学习，梳理集中式训练的变体与相关算法，探究信息共享机制的不同实现对协作任务中群体协调行为的影响。
2021-07-29 cs.AI cs.LG cs.MA
Traj-Evolve: A Self-Evolving Multi-Agent System for Patient Trajectory Modeling in Lung Cancer Early Detection
University of Washington（华盛顿大学）；Fred Hutch Cancer Center（Fred Hutch癌症中心）；Google（谷歌）
提出Traj-Evolve，一种结合经验池和多智能体强化学习的自进化多智能体系统，通过检索相似患者和参数优化，在肺癌早期检测中优于9个强基线模型。
2026-06-01 cs.AI cs.CL
Fully Distributed Fog Load Balancing with Multi-Agent Reinforcement Learning
NRL（海军研究实验室）；University of Montreal（蒙特利尔大学）
本文提出基于多智能体强化学习的全分布式雾计算负载均衡方法，利用迁移学习自适应，优化等待时间与资源利用，并分析现实观测频率对性能的影响。
2025-03-26 cs.AI cs.DC cs.LG
An Agent Model Abstraction for Human-AI Teaming Cognitive Coupling
University of Groningen（格罗宁根大学）；Luxembourg Institute of Science and Technology（卢森堡科学技术研究院）；Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；CRAN（南锡自动化与计算机科学研究中心）
本文提出一种包含八个组件的认知智能体模型，用于形式化人机团队中的认知耦合，以支持分布式认知分析和认知可互操作的人机系统设计。
2026-09-09 cs.AI cs.HC cs.MA
