Decentralized shape formation and force-based interactive formation control in robot swarms
NIT - Tiruchirappalli（国家理工学院蒂鲁吉拉伯利分校）
本文提出一种基于行为的分布式形状形成方法，利用人工力交互维持群体编队完整性，以克服现有方法对领导者依赖和障碍物下变形的问题。
2023-09-03 cs.MA cs.RO
Online Decentralized Receding Horizon Trajectory Optimization for Multi-Robot systems
SRM Institute of Science and Technology（SRM科技学院）
提出了一种新的多智能体系统分散轨迹生成算法。多机器人系统有能力在各个领域改变生活。但是，多机器人系统的轨迹生成仍然处于其新生阶段，并限于严格控制的环境。为了克服这一问题，提出了一种在线轨迹优化算法，该算法在给定初始状态和期望末端位姿的情况下，为机器人生成无碰撞轨迹。它采用了一种简单的方法进行障碍物检测，局部形状为基础的地图的障碍物和机器人的当前状态的通信。使用本地地图，制定安全区域。基于所传送的数据，预测其他机器人的轨迹，并通过确定机器人可以在其中而不碰撞的自由空间的区域来合并以避免碰撞。然后优化轨迹，约束机器人保持在安全区域内，轨迹由时间参数化的分段多项式表示。该算法采用滚动时域原理实现。所提出的算法进行了广泛的测试，在模拟的露台上使用ROS与四阶差分平面空中机器人和非完整的二阶轮式机器人在结构化和非结构化的环境。
2018-12-28 cs.MA cs.RO
Safe Multi-Agent Reinforcement Learning through Decentralized Multiple Control Barrier Functions
School of Mechanical Engineering and Automation, Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）机械工程与自动化学院）；Department of Aerospace Engineering and Engineering Mechanics, University of Cincinnati（辛辛那提大学航空航天工程与工程力学系）
近年来，多智能体强化学习（MARL）算法在仿真中表现出了惊人的性能，但将MARL应用于实际应用中可能存在安全问题。集中屏蔽MARL是近年来提出并在安全博弈中得到验证的。然而，集中式屏蔽方法可能是不可行的，在几个现实世界中的多代理应用程序，涉及非合作代理或通信延迟。因此，我们建议结合MARL与分散控制屏障功能（CBF）屏蔽的基础上，可用的本地信息。建立了一个具有分散多控制屏障功能的安全MARL框架，并将多Agent深度确定性策略梯度（MADDPG）发展为具有分散多控制屏障功能的多Agent深度确定性策略梯度（MADDPG-CBF）。基于一个既包含合作主体又包含障碍物的避碰问题，我们从理论上证明了具有安全保证的多个CBF的构造。实验结果表明，该安全MARL框架能够保证MARL中Agent的安全性。
2021-03-23 cs.MA cs.RO
Decentralized Safe Multi-Agent Reinforcement Learning via Predictive Shielding
ENSTA（国立高等先进技术学院）；IP Paris（巴黎理工学院）；UC Berkeley（加州大学伯克利分校）
提出一种去中心化框架，结合预测屏蔽与基于模型的有限时域Q学习，使多智能体在部署中安全调整策略，并引入无通信协议解决对称场景中的活锁问题。
2026-09-09 cs.AI cs.MA cs.RO
Decentralized Nonlinear Model Predictive Control for Safe Collision Avoidance in Quadrotor Teams with Limited Detection Range
New York University, Tandon School of Engineering（纽约大学坦登工程学院）
针对多四旋翼系统在传感与通信受限下的安全协调问题，提出集成指数控制障碍函数的去中心化非线性模型预测控制方法，提供检测范围最小下界保证，并通过仿真和实验验证其有效性与实用性。
2024-09-25 cs.MA cs.RO
A Communication-Efficient Digital Twin Framework for PSO-Based Swarm Navigation and Obstacle Avoidance
University of Kaiserslautern (RPTU)（凯撒斯劳滕大学（RPTU））；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI））
针对工业集群目标定位的避障与通信难题，提出部署于MEC服务器的DT辅助PSO框架，可减少通信负载、加快收敛，在复杂工业协同探索场景具有应用潜力。
2026-08-11 cs.MA cs.RO
Decentralized Motion Planning for Multi-Robot Navigation using Deep Reinforcement Learning
SRM Institute of Science and Technology（SRM科学技术学院）
这项工作提出了一个分散的运动规划框架，用于解决使用深度强化学习的多机器人导航任务。开发了一个自定义的仿真器，以实验研究4个合作的非完整机器人的导航问题，共享有限的状态信息，在3个不同的设置。采用了分散的运动规划的概念，共同和共享的策略学习，这使得强大的训练和测试这种方法在随机环境中，因为代理是相互独立的，并表现出异步运动行为。通过为智能体提供稀疏的观察空间并要求它们生成连续的动作命令，以有效而安全地导航到各自的目标位置，同时避免与其他动态对等体和静态障碍物发生碰撞，任务进一步加重。实验结果报告的定量措施和定性评论的培训和部署阶段。
2020-11-20 cs.AI cs.LG cs.MA
DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in Complex Environments
University of Maryland, College Park（马里兰大学帕克分校）
提出了一种新的基于强化学习（RL）的仓库环境中移动机器人任务分配和分散导航算法。我们的方法是专为多个机器人被用来执行各种拾取和交付任务的场景。研究了分布式任务分配和导航问题，提出了一种两层的求解方法，在高层，通过马尔可夫决策过程来求解任务分配问题，并选择合适的奖励以最小化总行程延迟（TTD）.在较低级别，我们使用基于ORCA的分散导航方案，使每个机器人能够以独立的方式执行这些任务，并避免与其他机器人和动态障碍物发生碰撞。我们通过将较高级别的奖励定义为来自较低级别导航算法的反馈来组合这些较低级别和较高级别。我们进行了广泛的评估，在复杂的仓库布局与大量的代理，并强调了国家的最先进的算法的基础上近视皮卡距离最小化和遗憾为基础的任务选择的好处。我们观察到机器人的任务完成时间提高了14%，计算无碰撞轨迹提高了40%。
2022-09-07 cs.LG cs.MA cs.RO
Locally Interdependent Multi-Agent MDP: Theoretical Framework for Decentralized Agents with Dynamic Dependencies
Carnegie Mellon University（卡内基梅隆大学）
针对具有动态依赖的去中心化多智能体系统，提出局部相互依赖多智能体MDP及三种可扩展的近优闭式策略，证明部分可观测解随可视半径指数逼近完全可观测解。
2024-06-10 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
R3R: Decentralized Multi-Agent Collision Avoidance with Infinite-Horizon Safety
University of Michigan（密歇根大学）
R3R是首个在通信受限条件下提供无限时间安全保证的去中心化多智能体运动规划框架，通过结合安全框架与几何约束实现轨迹的可证明安全。
2026-03-15 cs.MA
Learning Safe Multi-Agent Control with Decentralized Neural Barrier Certificates
Massachusetts Institute of Technology（麻省理工学院）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；California Institute of Technology（加州理工学院）
我们研究了多智能体安全控制问题，其中智能体应避免碰撞静态障碍物和相互碰撞，同时达到自己的目标。我们的核心思想是学习多智能体控制策略，学习控制屏障功能作为安全证书。我们提出了一种新的联合学习框架，可以以分散的方式实现，并为某些函数类提供泛化保证。这样一个分散的框架可以适应任意数量的代理。在此框架的基础上，我们进一步提高了可扩展性，通过将神经网络架构，是不变的数量和排列的相邻代理。此外，我们提出了一个新的自发的政策细化方法，以进一步加强在测试过程中的证书条件。我们提供了大量的实验来证明，我们的方法显着优于其他领先的多智能体控制方法在保持安全性和完成原始任务。我们的方法还显示出特殊的泛化能力，在一个场景中，控制策略可以用8个代理进行训练，而在复杂的多代理环境和动态中，控制策略可以用多达1024个代理进行训练。
2021-04-17 cs.AI cs.MA cs.SY
Contextual Knowledge Sharing in Multi-Agent Reinforcement Learning with Decentralized Communication and Coordination
本文提出一种集成点对点通信与协调的Dec-MARL框架，通过引入目标感知和时间感知的知识共享机制，解决了动态环境中智能体个体目标与有限可观测性带来的协调难题，显著提升了整体性能。
2025-01-26 cs.AI cs.MA
Model-based Reinforcement Learning for Decentralized Multiagent Rendezvous
Google Research（谷歌研究院）；Stanford University（斯坦福大学）
协作需要代理在运行中调整他们的目标。人类与其他代理人协调目标的能力的基础是他们预测他人意图并积极更新自己计划的能力。我们提出了分层预测规划（HPP），一个基于基于模型的强化学习方法分散多智能体会合。从预先训练的单智能体点对点导航策略开始，并使用激光雷达等嘈杂的高维传感器输入，我们首先通过团队中所有智能体的自我监督运动预测来学习。接下来，HPP使用的预测模型，提出和评估导航子目标，完成会合任务，没有明确的代理之间的通信。我们在一系列看不见的环境中评估HPP，这些环境的复杂性和障碍物的数量都在增加。我们表明，HPP在具有挑战性的、不可见的环境中优于替代的强化学习、路径规划和基于启发式的基线。在现实世界中的实验表明，成功地转移的预测模型从SIM到现实世界中没有任何额外的微调。总而言之，HPP通过结合基于模型的RL和推理方法，使代理能够动态地调整计划，从而消除了多智能体系统中对集中式操作员的需求。
2020-11-09 cs.AI cs.LG cs.MA
Decentralized Master-Mind: Joint Action Refinement through Iterative Intent Denoising in Multi-Agent Pathfinding
针对去中心化多智能体路径规划中独立采样导致联合动作不兼容的问题，提出DMM方法，通过跨通信轮次的迭代意图去噪精化动作，结合模仿学习预训练与MICPO强化学习优化，在1,600个MovingAI任务中解决1,598个，并支持百万级智能体扩展。
2026-09-29 cs.AI cs.MA
Traffic Management Strategies for Multi-Robotic Rigid Payload Transport Systems
International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）
在这项工作中，我们解决交通管理的多个有效载荷运输系统，包括非完整机器人。我们认为松散耦合的刚性机器人编队进行有效载荷从一个地方到另一个地方。每个有效载荷运输系统（PTS）都在各种障碍物环境中运动。我们确保每个临时技术秘书处通过避免与其他有效载荷系统和障碍物发生碰撞来完成其既定任务。每个PTS具有一个领导者和多个跟随者，并且当在交通中移动时，跟随者使用分散的领导者-跟随者控制架构相对于领导者保持期望的距离和角度。我们展示，通过模拟每个PTS遍历其各自的轨迹，并没有其他PTS和障碍物所需的时间。我们表明，我们的策略有助于管理大量的PTS从一个地方移动到另一个交通。
2019-06-27 cs.MA cs.RO
Multi-Agent Coordination in Autonomous Vehicle Routing: A Simulation-Based Study of Communication, Memory, and Routing Loops
Department of Computer Science（计算机科学系）；The College of Wooster（沃斯特学院）
本研究通过引入对象内存管理（OMM）有效解决了多智能体自动驾驶中的路径循环问题，显著降低了平均旅行时间和等待时间，证明了持久共享内存对动态环境中多智能体协调的必要性。
2025-11-20 cs.LG cs.MA cs.RO
A Theoretical Framework for Parallel Lifelong MAPF Using Group Decentralized Planning
Carnegie Mellon University（卡内基梅隆大学）
针对L-MAPF问题，本文证明RHCR的近最优性，提出并行规划的GD-RHCR框架，其在扩展智能体规模时仍能保持高吞吐量和低单规划成本。
2026-08-19 cs.AI cs.MA cs.RO
DREAM: Decentralized Reinforcement Learning for Exploration and Efficient Energy Management in Multi-Robot Systems
Purdue University（普渡大学）
提出 DREAM 去中心化强化学习框架，结合作业范围估计、能耗模型与图神经网络优化多机器人探索和目标分配，在仿真中较基线提升约 25%。
2023-09-29 cs.AI cs.MA cs.RO
Towards Multi-robot Exploration: A Decentralized Strategy for UAV Forest Exploration
ETH Zürich（苏黎世联邦理工学院）
有效的勘探战略在诸如搜索和救援任务和灾害调查等任务中至关重要。无人机（UAV）在这些应用中变得特别受欢迎，有望以高速覆盖大面积。此外，随着机载无人机感知的日益成熟，研究重点已经转向单机器人和多机器人任务的高级推理。然而，自主导航和探索以前未知的大空间仍然是一个开放的挑战，特别是当环境混乱，并表现出大而频繁的闭塞，由于高障碍密度，如森林的情况。此外，在这样的场景中，远距离无线通信的问题可能成为一个限制因素，特别是在无人机群的自动导航时。本着这种精神，这项工作提出了一种探索策略，使无人机，无论是单独的还是小规模的，都能以分散的方式快速探索复杂的场景。通过为每个无人机提供决策能力以在不同的执行模式之间切换，所提出的策略在对完全未知的区域进行谨慎探索和对未知空间的较小区域进行更积极的探索之间取得了很大的平衡。这导致对密度可变的森林区域进行全覆盖，始终比最先进的速度更快。这项工作展示了使用单个无人机以及最多三个无人机的集群的成功部署，阐述了多根探索的基本原则杂乱的场景，在单架无人机情况下，速度可提高65%，在多架无人机情况下，在相同的任务时间内，探索区域可增加40%。
2023-01-20 cs.MA cs.RO
Scalable Decentralized Cooperative Platoon using Multi-Agent Deep Reinforcement Learning
German University in Cairo（开罗德国大学）
针对智能交通中车辆队列行驶的性能与安全需求，提出基于Unity 3D和深度强化学习的可扩展去中心化协作队列方法，通过“共享与关怀”通信框架提升车队及单车性能鲁棒性，改善道路安全与拥堵。
2023-12-11 cs.AI cs.MA cs.RO
Decentralized Multi-Agent Planning for Multirotors: a Fully Online and Communication Latency Robust Approach
针对静态环境中的多旋翼协同，本文提出完全在线、去中心化且对通信延迟鲁棒的时间感知 Safe Corridor 与 MIQP/MPC 规划框架，仿真显示其在安全、鲁棒性、飞行和计算时间上优于现有方法。
2023-04-22 cs.MA cs.RO
Distributed Heuristic Multi-Agent Path Finding with Communication
Simon Fraser University（西蒙弗雷泽大学）
多智能体路径搜索（MAPF）是大规模机器人系统的关键。最近的方法已经应用强化学习（RL）学习分散的政策在部分可观察的环境。获得无冲突策略的一个基本挑战是，代理需要学习合作来处理拥塞的情况。本文将通信与深度Q学习相结合，为MAPF提供了一种新的基于学习的方法，其中代理通过图卷积实现合作。为了指导RL算法在长期目标导向的任务，我们嵌入了潜在的选择，从单一来源的最短路径作为启发式指导，而不是使用一个特定的路径，在大多数现有的作品。我们的方法独立对待每个代理，并从单个代理的角度训练模型。最终训练的策略应用于每个代理，以分散执行。整个系统在训练期间是分布式的，并且在课程学习策略下进行训练。在障碍物丰富的环境中的实证评估表明，我们的方法的平均步长低，成功率高。
2021-06-21 cs.AI cs.MA cs.RO
Decentralized Multi-Agent Reinforcement Learning with Global State Prediction
Worcester Polytechnic Institute（伍斯特理工学院）
针对多智能体强化学习的非平稳性难题，提出无需全局信息的全局状态预测网络GSP，在集体运输场景下验证了其性能提升与鲁棒性增强效果。
2023-08-28 cs.AI cs.LG cs.MA
Bio-Inspired Compact Swarms of Unmanned Aerial Vehicles without Communication and External Localization
Czech Technical University in Prague（布拉格捷克理工大学）
本文提出了一个独特的框架，用于在现实世界中部署分散的和独立于基础设施的同类飞行器群，而无需显式通信。这是群体研究的一个要求，它预计全球知识和通信将不会随着机器人的数量而扩展。本文提出的系统架构采用UVDAR技术直接感知局部邻域，实现群体成员的直接相互定位。该技术允许群系统的分散性和高可扩展性，例如可以在鱼群，鸟群或牛群中观察到。已经开发的生物启发的群集模型适用于在有障碍物的室外和室内环境中部署大颗粒群的现实世界。该模型的集体行为出现在一组本地规则的基础上直接观察的邻居只使用板载传感器。该模型是可扩展的，只需要本地感知代理和环境，不需要代理之间的通信。除了模拟场景，整个框架的性能和可用性进行了分析，在几个现实世界的实验与完全分散的无人机群部署在室外条件。据我们所知，这些实验是第一次部署分散的生物启发的小型无人机群，而不使用通信网络或共享绝对定位。整个系统可以在https://github.com/ctu-mrs上以开源的形式获得。
2023-03-06 cs.MA cs.RO cs.SY
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
Analysis of the Effects of Failure and Noise in the Distributed Connectivity Maintenance of a Multi-robot System
多机器人系统为了以分散的方式执行协作任务，往往需要相互通信。因此，在有障碍物的区域漫游时，保持通信图的连通性是一个基本问题。然而，当处理真实的机器人系统时，在代理交互中可能出现几个数据损坏源。在本文中，故障和噪声在代理之间的通信的影响进行了分析后，连接性维护控制策略。结果表明，连接策略是弹性的负面影响，这种干扰下的现实设置，考虑带宽限制的控制工作。这打开了在自适应方案中应用连接性维护策略的视角，所述自适应方案考虑例如对连接性本身之外的约束的自主适应，例如通信效率和能量收集。
2014-11-29 cs.MA
Learning Multi-Agent Loco-Manipulation for Long-Horizon Quadrupedal Pushing
Carnegie Mellon University（卡内基梅隆大学）；Google DeepMind（谷歌DeepMind）
本文提出三级分层多智能体强化学习框架，实现多四足机器人长时程障碍感知推搡，成功率提升36.0%，时间减少24.5%，并在真实Go1机器人上验证。
2025-03-29 cs.AI cs.LG cs.MA
MAPPER: Multi-Agent Path Planning with Evolutionary Reinforcement Learning in Mixed Dynamic Environments
Carnegie Mellon University（卡内基梅隆大学）；Tsinghua University（清华大学）
动态环境下的多智能体导航在大规模机器人部署到实际应用中具有重要的工业价值。提出了一种基于进化强化学习（MAPPER）的分散式部分可观测多智能体路径规划方法，用于在混合动态环境中学习有效的局部规划策略.基于强化学习的方法通常会在具有目标条件的稀疏奖励的长时间任务上性能下降，因此我们在全局规划器的指导下将长距离导航任务分解为许多更容易的子任务，这提高了智能体在大环境中的性能。此外，大多数现有的多智能体规划方法假设周围环境的完美信息或附近的动态代理的同质性，这在实践中可能不成立。我们的方法模型动态障碍物的行为与基于图像的表示和训练的政策在混合动态环境中没有同质性假设。为了确保多智能体训练的稳定性和性能，我们提出了一种进化的训练方法，可以很容易地扩展到大型和复杂的环境。实验表明，与传统的基于反应的规划器LRA* 和最先进的基于学习的方法相比，MAPPER在面对大量非合作动态障碍物时能够获得更高的成功率和更稳定的性能。
2020-07-30 cs.AI cs.LG cs.MA
Learning Selective Communication for Multi-Agent Path Finding
The University of Hong Kong（香港大学）；Simon Fraser University（西蒙弗雷泽大学）；University of Waterloo（滑铁卢大学）
通过深度强化学习（RL）或模仿学习（IL）进行学习通信最近已被证明是解决多智能体路径查找（MAPF）的有效方法。然而，现有的基于通信的MAPF求解器专注于广播通信，其中代理将其消息广播到所有其他或预定义的代理。它不仅不切实际，而且会导致冗余信息，甚至可能损害多智能体合作。一个简洁的通信方案应该了解哪些信息是相关的，并影响每个代理的决策过程。为了解决这个问题，我们考虑了一个请求-答复的情况下，并提出了决策因果通信（DCC），一个简单而有效的模型，使代理选择邻居进行通信在训练和执行。具体地说，只有当一个邻居的存在导致中央代理的决策调整时，这个邻居才被确定为相关的和有影响力的。这种判断仅基于Agent的局部观察来学习，因此适合于分散执行来处理大规模问题。在障碍物丰富的环境中的实证评估表明，我们的方法具有低通信开销的高成功率。
2021-12-23 cs.AI cs.MA cs.RO
Scalable Multi-Agent Reinforcement Learning through Intelligent Information Aggregation
Massachusetts Institute of Technology（麻省理工学院）；Stanford University（斯坦福大学）
针对局部观测下的多智能体导航与避障问题，提出基于图神经网络聚合局部信息的MARL架构InforMARL，以去中心化方式计算路径，具有更高的样本效率并能扩展至任意数量智能体和障碍物的环境。
2023-05-16 cs.AI cs.MA cs.RO
SIGMA: Sheaf-Informed Geometric Multi-Agent Pathfinding
Hangzhou International Innovation Institute, Beihang University, China（北京航空航天大学杭州国际创新研究院）；CoreControl Inc, Hangzhou, China（杭州核心控制公司）；Department of Mechanical Engineering, National University of Singapore, Singapore（新加坡国立大学机械工程系）
针对现有学习式多智能体路径规划方法因有限视野导致协作低效的问题，提出融合层论与去中心化深度强化学习的SIGMA框架，通过局部共识建模几何依赖实现高效协作，在仿真和真实实验中优于现有基线。
2025-08-22 cs.AI cs.MA cs.RO
Intrinsic Action Tendency Consistency for Cooperative Multi-Agent Reinforcement Learning
针对CTDE范式下智能体动作倾向分歧影响训练效率的问题，提出Intrinsic Action Tendency Consistency方法，通过动作模型预测邻居动作倾向并计算合作内在奖励，结合RA-CTDE框架提升多智能体协作性能。
2024-08-29 cs.MA
Role Engine Implementation for a Continuous and Collaborative Multi-Robot System
本研究面向动态环境下的异构协作多机器人系统，开发了混合运行模式的角色引擎，结合高斯过程推理与环境骨架方法优化角色分配与动作流，经仿真和实物实验验证了可行性与效率。
2023-07-06 cs.MA cs.RO
MAPEL: Multi-Agent Pursuer-Evader Learning using Situation Report
CentraleSupélec, Université Paris-Saclay（巴黎-萨克雷大学中央理工-高等电力学院）；TCS Innovation Lab（塔塔咨询服务公司创新实验室）；IIIT Delhi（德里英迪拉·甘地信息技术学院）
在本文中，我们考虑了一个领土守卫游戏，涉及追求者，逃避者和一个目标，在一个环境中，包含障碍。逃避者的目标是捕获目标，而追赶者的目标是在逃避者到达目标之前捕获他们。所有的智能体都有有限的感知范围，只有当它们在各自的观察空间内时才能检测到彼此。我们专注于团队代理之间有效合作的挑战。由于这种多智能体系统固有的复杂性，很难找到精确的解决方案。我们提出了多智能体的追求者-逃避者学习（MAPEL），一类算法，使用时空图表示学习结构化的合作。关键的概念是，学习发生在一个分散的方式和代理使用的情况报告更新，以了解整个环境从彼此的部分观察。我们使用递归神经网络（RNN）来参数化时空图。MAPEL中的智能体只有在对手或目标在其观察空间内时才使用态势报告更新所有其他智能体。我们提出了两种通过情况报告更新的合作方法：a）对等情况报告（P2PSR）和b）环情况报告（RSR）。我们提出了一个详细的分析，这两种合作方法如何执行时，在游戏中的代理数量增加。我们提供的实证结果，以显示如何代理合作下，这两种方法。
2019-10-17 cs.AI cs.GT cs.MA
