ChargingBoul: A Competitive Negotiating Agent with Novel Opponent Modeling
Joe Shymanski(独立研究者)
ChargingBoul通过平衡让步与对手建模,在自动化谈判竞赛中取得优异成绩,展示了其在多策略对手环境中的高效谈判能力。
2025-12-06 cs.AI cs.MA
Reaching Unanimous Agreements Within Agent-Based Negotiation Teams With Linear and Monotonic Utility Functions
Universidad Politécnica de Valencia(瓦伦西亚理工大学)
在这篇文章中,一个基于代理的谈判模型的谈判团队,谈判处理与对手。基于代理的谈判团队是一组代理,它们作为一个单一的谈判方加入,因为它们共享与谈判过程相关的利益。该模型依赖于一个可信的调解人,协调和帮助团队成员在谈判过程中必须采取的决定:哪个报价发送给对手,以及是否接受从对手收到的报价。建议的谈判模型的主要优点是,它保证团队决策的一致性,因为决策报告的效用大于或等于他们的愿望水平,在每一轮谈判的团队成员。这项工作分析了团队内部如何做出一致的决定,以及模型对不同类型操纵的鲁棒性。还进行了实证评估,以研究模型的不同参数的影响。
2016-04-16 cs.AI cs.GT cs.MA
Unanimously acceptable agreements for negotiation teams in unpredictable domains
Universitat Politècnica de València(瓦伦西亚理工大学);Delft University of Technology(代尔夫特理工大学)
谈判团队是一组具有共同偏好且可能相互冲突的代理人,形成谈判的一方。一个谈判团队同时参与两个决策过程,一个是与对手的谈判,另一个是决定谈判中行动的团队内部过程。这篇文章的重点是谈判团队决策的情况下,需要团队决策的一致性。现有的基于代理的方法只能保证团队在完全由可预测和兼容的问题组成的域中进行谈判的一致性。本文提出了一个模型,谈判团队,保证一致的团队决策域组成的可预测的和兼容的,也不可预测的问题。此外,本文还探讨了使用对手模型和团队成员模型对团队成员提出策略的影响。实验结果表明,如果团队成员采用贝叶斯学习来建模他们的队友的偏好,团队受益。
2016-04-16 cs.AI cs.GT cs.MA
Denoising Opponents Position in Partial Observation Environment
Memorial University of Newfoundland(纽芬兰纪念大学);Dalhousie University(达尔豪斯大学)
针对RoboCup SS2D环境中噪声和部分观测导致的不准确问题,提出利用LSTM和DNN预测未观测到的对手位置,实验证明其准确度优于标准算法。
2023-10-23 cs.AI cs.MA cs.RO
Mimicking To Dominate: Imitation Learning Strategies for Success in Multiagent Competitive Games
Singapore Management University(新加坡管理大学);University of Oregon(俄勒冈大学)
本文提出融合对手动作预测模仿模型与策略训练的多智能体强化学习算法,以应对竞争游戏中的动态不确定性,并在 SMACv2 等三类环境中验证其优于现有方法。
2023-08-20 cs.LG cs.MA
PillagerBench: Benchmarking LLM-Based Agents in Competitive Minecraft Team Environments
Department of Mathematics and Computer Science, Eindhoven University of Technology(埃因霍温理工大学数学与计算机科学系);Department of Informatics, King’s College London(伦敦国王学院信息学系);Department of Computer Science, University of Liverpool(利物浦大学计算机科学系)
针对LLM智能体在竞争性多智能体环境中评估不足的问题,提出PillagerBench基准框架和TactiCrafter多智能体系统,通过可扩展API和策略学习实现优于基线并自适应进化。
2025-09-07 cs.AI cs.MA
Safe adaptation in multiagent competition
Massachusetts Institute of Technology(麻省理工学院)
实现适应不断变化的环境的能力是构建在复杂场景中安全运行的完全自主机器人的关键一步。在多智能体竞争的情况下,智能体可能要适应新的对手与以前看不见的行为,从自我智能体和对手之间的互动经验学习。然而,这种适应容易受到对手的利用。当自我智能体更新自己的行为以利用对手时,由于过度拟合这个特定对手的行为,它自己的行为可能变得更容易利用。为了克服这一困难,我们开发了一种安全的适应方法,在该方法中,自我代理是针对正则化的对手模型进行训练的,这有效地避免了过拟合,从而提高了自我代理策略的鲁棒性。我们评估了我们的方法在Mujoco域与两个竞争的代理。实验结果表明,我们的方法有效地实现了适应特定的对手,自我代理与其他可能的对手剥削保持低利用率。
2022-03-14 cs.LG cs.MA
Model-based Multi-agent Policy Optimization with Adaptive Opponent-wise Rollouts
Shanghai Jiao Tong University(上海交通大学)
研究了多智能体强化学习(MARL)中基于模型的方法。在MARL模型中定义了动态样本复杂度和对手样本复杂度,并对收益差异上界进行了理论分析。为了在整个学习过程中降低样本复杂度,降低上界,我们提出了一种新的分散的基于模型的MARL方法,称为自适应对手明智的推出策略优化(AORPO)。在AORPO中,每个代理建立其多代理环境模型,包括一个动力学模型和多个对手模型,并训练其政策与自适应顺应性明智的推出。在合理的假设下,我们进一步证明了AORPO的理论收敛性。竞争和合作任务的实验表明,AORPO可以实现改进的样本效率与比较的MARL方法的渐近性能。
2022-03-16 cs.AI cs.LG cs.MA
Randomise Alone, Reach as a Team
Institute of Science and Technology Austria(奥地利科学技术研究院);Université libre de Bruxelles(布鲁塞尔自由大学)
研究分布式随机化下的并发图游戏,证明记忆less策略足以解决阈值问题,该问题属于存在实数理论,并能构建值迭代算法,同时证明阈值问题NP难,几乎确定可达性问题NP完全。
2026-05-13 cs.FL cs.GT cs.MA
Transformer Guided Coevolution: Improved Team Selection in Multiagent Adversarial Team Games
Carnegie Mellon University(卡内基梅隆大学);Naval Research Laboratory(海军研究实验室)
本文提出BERTeam算法,结合基于transformer的掩码语言模型与协同进化深度强化学习,解决多智能体对抗团队博弈中的团队选择问题,实验证明其能学习到优于MCAA的团队组合。
2025-01-29 cs.AI cs.MA cs.NE
Generalized Intention Modeling in Multi-Agent Reinforcement Learning
Department of Computer Science and Technology, University of Cambridge, UK(计算机科学与技术系,剑桥大学,英国)
提出一种任务自适应的对手建模框架,通过性能驱动的多意图表示混合及最大化与自我智能体未来回报的互信息的新意图表示,提升非合作多智能体环境中的决策性能。
2026-11-09 cs.LG cs.MA
Offline Fictitious Self-Play for Competitive Games
本文提出OFF-FSP,首个用于竞争性游戏的实用无模型离线强化学习算法,通过重要性采样模拟对手交互并结合虚构自我对弈约束分布外动作,以逼近纳什均衡,实验证明其利用性显著低于现有基线。
2025-10-14 cs.AI cs.GT cs.LG
When Does Opponent Modeling Pay Off? Spatial Inference Stabilises Reinforcement Learning under Partial Observability
Faculty of Mathematics and Physics, Charles University(查理大学数学与物理学院)
该研究提出融合空间对手模型的DQN,在部分可观测对称常和觅食博弈中稳定训练,可零样本迁移至未见过的对手,其价值由可见性、对手意图和资源密度等边界条件决定。
2026-10-14 cs.GT cs.LG cs.MA
Mixed Cooperative-Competitive Communication Using Multi-Agent Reinforcement Learning
University of Antwerp(安特卫普大学);imec(比利时微电子研究中心)
通过在多智能体环境中使用多个智能体之间的通信,可以通过将一个智能体的观察与同一动态环境中的其他智能体的观察相结合来减少部分可观察性的影响。虽然许多成功的研究已经完成了对合作环境中的沟通学习,在混合合作竞争环境中的沟通学习也很重要,并带来了自己的复杂性,如对方团队偷听的沟通。在本文中,我们应用微分代理间学习(DIAL),合作设置,一个混合的合作竞争环境。我们研究了一个团队的私密通信和另一个团队可以偷听到的通信之间的性能差异。我们的研究表明,在我们选择的环境中,经过给定的训练期后,通信代理能够实现与完全可观察代理相似的性能。总的来说,我们发现,跨团队共享通信的结果在降低性能的沟通团队相比,实现与私人通信的结果。
2021-10-29 cs.LG cs.MA
Pommerman: A Multi-Agent Playground
我们提出Pommerman,一个多智能体环境的基础上,经典的控制台游戏炸弹人。波默曼由一组场景组成,每个场景至少有四个玩家,包含合作和竞争两个方面。我们认为,在Pommerman的成功将需要一套不同的工具和方法,包括规划,对手/队友建模,博弈论和沟通,因此可以很好地作为一个多智能体基准。到目前为止,我们已经举办了一场比赛,我们的下一场比赛将在NIPS 2018竞赛赛道上展出。
2022-04-21 cs.MA
Competitive Balance in Team Sports Games
Boston University(波士顿大学);Electronic Arts(美国艺电)
竞争是多人在线游戏中玩家满意度和参与度的主要驱动力。传统的配对系统旨在创建涉及类似聚合个人技能水平的团队的比赛,例如Elo得分或TrueSkill。然而,团队动态不能单独使用这种线性预测。最近,它已被证明,非线性预测器的目标是学习作为玩家和团队功能的函数的获胜概率显着优于这些线性的技能为基础的方法。在本文中,我们表明,使用最终得分差提供了一个更好的预测指标的竞争平衡。我们还表明,在精心选择的一组团队和个人特征上训练的线性模型几乎达到了更强大的神经网络模型的性能,同时提供了两个数量级的推理速度提高。这显示出在在线配对系统中实施的重大前景。
2020-06-24 cs.AI cs.HC cs.MA
Strategically revealing capabilities in General Lotto games
本文在 General Lotto 博弈的非对称信息环境中,推导了信号发送者通过带噪信号揭示资源预算的子博弈完美均衡,并给出了能改善其表现的最优信号策略的充分必要条件。
2023-04-06 cs.GT cs.MA cs.SY
Evader-Agnostic Team-Based Pursuit Strategies in Partially-Observable Environments
针对两名无人机在城市部分可观测环境中追击未知规避者的问题,提出两阶段神经符号算法,通过离线深度强化学习训练k级理性策略、在线分类匹配对手并响应,提升了对随机规避者的平均追击性能。
2025-11-08 cs.MA cs.RO
On Emergent Communication in Competitive Multi-Agent Teams
Carnegie Mellon University(卡内基梅隆大学)
最近的几项研究发现,在大多数合作多智能体系统开发的通信协议中,当学习端到端以最大限度地提高下游任务的性能时,会出现接地组合语言。然而,人类不仅在完全合作的环境中,而且在竞争作为改进的额外外部压力的情况下,学会解决涉及沟通行为的复杂任务。在这项工作中,我们调查是否竞争的性能从外部,类似的代理团队可以作为一个社会的影响,鼓励多代理人口开发更好的通信协议,以提高性能,组合性和收敛速度。我们从之前提出的两个合作代理之间的参考游戏“任务与谈话”作为我们的测试平台开始,并将其扩展到“任务、谈话与竞争”,这是一个涉及两个竞争团队的游戏,每个团队由两个上述合作代理组成。使用这种新的设置,我们提供了一个实证研究,展示了竞争的影响力对多智能体团队的影响。我们的研究结果表明,外部竞争的影响,导致提高准确性和概括性,以及更快地出现的交际语言,是更多的信息和成分。
2020-07-16 cs.AI cs.CL cs.LG
General Performance Evaluation for Competitive Resource Allocation Games via Unseen Payoff Estimation
本文针对竞争性资源分配博弈中算法性能评估高度依赖具体问题且反馈水平不一的难题,提出了一种基于任意用户函数的广义收益定义及不确定性下的估计器,并通过Colonel Blotto博弈验证了其高度准确性。
2024-01-08 cs.GT cs.MA math.CO
Best Response Shaping
University of Montreal(蒙特利尔大学);Mila(米拉研究所);Hitachi, Ltd.(日立公司)
针对部分竞争环境下多智能体强化学习中传统互惠合作方法易被多步优化对手利用的问题,提出带状态感知可微条件机制的Best Response Shaping方法,经Coin Game中MCTS对手验证性能更优,拓展了相关应用场景。
2024-04-05 cs.AI cs.GT cs.LG
Beyond Bayesian Nash: Learning Minimax-Regret Equilibria for Adversarial Team Games under Asymmetric Information
Massachusetts Institute of Technology(麻省理工学院);Aerospace Control Laboratory(航空控制实验室);Laboratory of Information and Decision Systems(信息与决策系统实验室)
研究非对称信息下对抗团队博弈,提出概率鲁棒极小极大遗憾均衡(PR-MRE),结合极小极大遗憾推理的无分布鲁棒性与概率信息,通过鲁棒双线性规划及新型元求解器 PRMRE-PSRO 实现策略学习,实验证明其在隐藏类型上性能更优,行为更稳健。
2026-11-09 cs.AI cs.GT cs.LG
Value-based CTDE Methods in Symmetric Two-team Markov Game: from Cooperation to Team Competition
Montefiore Institute(蒙特菲奥雷研究所);ULiège(列日大学);Thales(泰雷兹集团);LTCI(通信与信息处理实验室);Telecom Paris(巴黎电信学院);Institut Polytechnique de Paris(巴黎理工学院)
在本文中,我们确定了最好的学习方案,训练一个团队的代理竞争对手的多个可能的战略。我们评估合作价值为基础的方法在一个混合的合作竞争环境。我们限制自己的情况下,对称的,部分可观察的,两队马尔可夫博弈。我们选择了三种基于集中培训和分散执行(CTDE)范式的培训方法:QMIX,MAVEN和QVMix。对于每一种方法,我们考虑了三种学习场景,这些学习场景根据培训期间遇到的各种团队策略而有所不同。在我们的实验中,我们修改了《星际争霸》多智能体挑战赛的环境,以创造一个竞争性的环境,让两个团队可以同时学习和竞争。我们的研究结果表明,对多个不断发展的战略训练达到最佳效果时,得分他们的表现,团队面临着几个战略。
2022-11-30 cs.GT cs.LG cs.MA
Maintaining Ad-Hoc Communication Network in Area Protection Scenarios with Adversarial Agents
University of Bergen(卑尔根大学);National Institute of Advanced Industrial Science and Technology(产业技术综合研究所)
我们解决了一个问题,在基于图的场景中,多个移动代理之间的连接保持,以确保他们可以通信的区域保护。该问题由两个敌对的代理团队组成,它们在两个团队共享的无向图中移动。代理被放置在图的顶点;最多一个代理可以占据一个顶点;并且它们可以以无冲突的方式移动到相邻的顶点。团队的目标不对称:一个队(攻击者)的目的是入侵给定区域,而对手队(防御者)的目的是通过占领选定的顶点来保护该区域不被攻击者进入。防御者团队需要维护可见性图中其自身代理所占据的顶点的连通性。可见性图对顶点对之间的通信的可能性进行建模。我们研究的策略分配顶点被占领的防守队员阻止攻击代理的连接保持在同一时间。为了做到这一点,我们保留了一部分防御代理,这些代理不会试图阻止攻击者,而是用来支持团队的连接。策略的性能在多个基准中进行测试。策略的成功在很大程度上取决于实例的类型,因此这项工作的贡献之一是,我们为不同的实例类型确定合适的策略。
2017-09-04 cs.AI cs.MA
Hierarchical Control for Cooperative Teams in Competitive Autonomous Racing
本文提出一种两层分层控制框架,用于合作团队的自动驾驶赛车,高层规划器生成目标路径点,低层采用多智能体强化学习或线性二次纳什博弈求解,在复杂赛道上优于基线,并展现出类似专业车手的协调超车与防御行为。
2024-02-05 cs.GT cs.MA
Moody Learners -- Explaining Competitive Behaviour of Reinforcement Learning Agents
Italian Institute of Technology (IIT)(意大利理工学院);Universidad Central de Chile(智利中央大学);Deakin University(迪肯大学)
设计参与竞争互动的人工智能体的决策过程是一项具有挑战性的任务。在竞争场景中,智能体不仅具有动态环境,而且还直接受到对手行为的影响。观察智能体的Q值通常是解释其行为的一种方式,然而,并不显示所选动作之间的时间关系。我们通过提出\emph{Moody framework}来解决这个问题。我们评估我们的模型进行了一系列的实验,使用竞争性的多人厨师帽纸牌游戏,并讨论我们的模型如何让代理人的获得一个整体的代表性的竞争动态的游戏。
2020-07-30 cs.AI cs.LG cs.MA
Learning Models of Adversarial Agent Behavior under Partial Observability
Institute of Robotics and Intelligent Machines(机器人与智能机器研究所);Georgia Institute of Technology(佐治亚理工学院)
本文提出GrAMMI,一种基于图神经网络和互信息最大化的方法,用于在部分可观测条件下建模对抗智能体行为,并在两个大规模追逃领域中以平均31.68%的对数似然提升优于所有基线。
2023-07-05 cs.AI cs.LG cs.MA
Opponent Shaping in LLM Agents
Department of Computer Science, University College London(计算机科学系,伦敦大学学院);Centre for Artificial Intelligence, University College London(人工智能中心,伦敦大学学院);Department of Computer Science, University of Bologna(计算机科学系,博洛尼亚大学)
本文首次研究LLM智能体的对手塑形,提出ShapeLLM方法,证明其能在博弈中引导对手行为,促进合作,确立对手塑形为多智能体LLM研究的关键维度。
2025-10-09 cs.AI cs.CL cs.LG
VGC-Bench: Towards Mastering Diverse Team Strategies in Competitive Pokémon
University of Texas at Austin(德克萨斯大学奥斯汀分校)
VGC-Bench通过提供标准化评估和人类对战数据集,研究如何让AI代理在多样化团队策略的竞技宝可梦中实现稳健适应与泛化。
2026-01-13 cs.AI cs.GT cs.LG
Multi-Agent Coordination in Adversarial Environments through Signal Mediated Strategies
Politecnico di Milano(米兰理工大学)
许多真实世界的场景都涉及到必须协调行动以达到共同目标的代理团队。我们专注于设置在一个团队的代理人面临一个对手在一个零和,信息不对称的游戏。团队成员可以在游戏开始前协调他们的策略,但在游戏的游戏阶段无法沟通。例如,在桥牌、扑克牌中的共谋和投标中的共谋就是这种情况。在这种情况下,无模型RL方法通常无法捕获协调,因为代理的策略是以分散的方式执行的。我们的第一个贡献是一个博弈论的集中训练方案,有效地执行轨迹采样,以促进团队协调。当团队成员可以观察到彼此的行动,我们证明,这种方法可以证明产生均衡策略。然后,我们引入了一个信号为基础的框架,代表团队协调战略的缓冲区的过去的经验。每个团队成员的策略被参数化为一个神经网络,其输出取决于从学习的概率分布中提取的合适的外源信号。通过结合这两个元素,我们凭经验证明了在以前最先进的多智能体RL算法没有收敛到协调平衡的情况下。
2021-02-09 cs.AI cs.GT cs.LG
Area Protection in Adversarial Path-Finding Scenarios with Multiple Mobile Agents on Graphs: a theoretical and experimental study of target-allocation strategies for defense coordination
University of Bergen(卑尔根大学);National Institute of Advanced Industrial Science and Technology (AIST)(产业技术综合研究所)
我们解决了一个问题,在基于图形的场景中,多个代理的区域保护。该问题由两个敌对的代理团队组成,它们在两个团队共享的无向图中移动。代理被放置在图的顶点;最多一个代理可以占据一个顶点;并且它们可以以无冲突的方式移动到相邻的顶点。团队的目标不对称:一个队(攻击者)的目的是入侵给定区域,而对手队(防御者)的目的是通过占领选定的顶点来保护该区域不被攻击者进入。我们研究的策略分配顶点被占领的防守队员阻止攻击代理。我们表明,区域保护问题的决策版本是PSPACE-硬的假设下,代理可以分配他们的目标顶点多次。此外,我们开发了各种在线顶点分配策略的防守队在一个简化的变种的问题与单阶段顶点分配,并评估其性能在多个基准。一个策略的成功在很大程度上取决于实例的类型,因此这项工作的贡献之一是,我们确定不同的实例类型合适的顶点分配策略。特别是,我们引入了一种基于模拟的方法,该方法识别并尝试捕获攻击者经常使用的图中的瓶颈。我们的实验评估表明,这种方法往往允许一个成功的防御,即使在攻击者显着超过防御者的情况下。
2017-08-24 cs.AI cs.MA
Curriculum Learning for Cooperation in Multi-Agent Reinforcement Learning
Mila(米拉研究所);Laval University(拉瓦尔大学);AI Redefined;University of Alberta(阿尔伯塔大学)
针对多智能体强化学习中协作训练的队友选择及课程设计问题,本文通过Overcooked游戏实验发现低技能预训练队友利于团队奖励但不利于智能体学习,且技能递减的队友课程表现更优。
2023-12-19 cs.AI cs.LG cs.MA
GenTac: Generative Modeling and Forecasting of Soccer Tactics
Shanghai Jiao Tong University(上海交通大学);Nanjing University(南京大学)
GenTac通过生成式框架建模足球战术的随机过程,实现长周期轨迹预测,支持多因素条件模拟,展现高精度战术生成与未来战术预测能力。
2026-04-13 cs.AI cs.MA
On Information Asymmetry in Competitive Multi-Agent Reinforcement Learning: Convergence and Optimality
Technische Universität München(慕尼黑工业大学);Munich Center for Quantum Science and Technology(慕尼黑量子科学与技术中心)
在这项工作中,我们研究了系统的互动非合作的两个Q-学习代理,其中一个代理有特权观察其他的行动。我们表明,这种信息不对称可以导致一个稳定的结果,人口学习,这通常不会发生在一般的独立学习者的环境。由此产生的后学习策略在潜在的博弈意义上几乎是最优的,即,它们就形成了一个纳什均衡。此外,我们在这项工作中提出了一个Q-学习算法,需要预测观察两个后续对手的行动,产生一个最佳的战略,后者适用于一个固定的战略,并讨论存在的纳什均衡在潜在的信息不对称的游戏。
2021-01-22 cs.GT cs.LG cs.MA
Faster Algorithms for Optimal Ex-Ante Coordinated Collusive Strategies in Extensive-Form Zero-Sum Games
Carnegie Mellon University(卡内基梅隆大学);Politecnico di Milano(米兰理工大学);Strategic Machine, Inc.(战略机器公司);Strategy Robot, Inc.(战略机器人公司);Optimized Markets, Inc.(优化市场公司)
我们专注于寻找一个最优策略的问题,一个团队的两个球员,面对一个对手在一个信息零和扩展形式的游戏。队员在比赛中不允许交流,但可以在比赛前协调。在这种情况下,众所周知,团队所能做的最好的事情就是从一个联合(也就是说,每个参与者一个)中抽取一个潜在随机策略的样本。游戏开始时的概率分布。在本文中,我们首先提供了新的建模结果计算这样一个最佳的分布绘制连接到一个不同的文献上的扩展形式的相关性。其次,我们提供了一种算法,该算法通过仅使用其中只有一个团队成员在每个配置文件中随机化的配置文件来计算这样的最优分布。我们还可以限制解决方案中允许的此类配置文件的数量。这通过增加上限产生了一个随时算法。我们发现,往往是少数精心挑选的这样的配置文件足以达到最佳效用的团队。这使团队成员能够通过相对简单和易于理解的计划进行协调。最后,受此观察的启发,并利用我们介绍的理论概念,我们开发了一个有效的列生成算法,为团队找到最佳分布。我们在一套常见的基准游戏上评估它。这是三个数量级的速度比现有的最先进的游戏,后者可以解决,它也可以解决一些游戏,以前无法解决。
2020-09-21 cs.AI cs.GT cs.LG
Independent RL for Cooperative-Competitive Agents: A Mean-Field Perspective
Analog Devices Incorporated(亚德诺半导体公司);Artificial Intelligence Research, JP Morgan Chase & Co(摩根大通公司人工智能研究部门);School of Mathematics and Data Science, NYU Shanghai(上海纽约大学数学与数据科学学院);Coordinated Science Lab, University of Illinois, Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校协调科学实验室)
本文在平均场视角下研究团队内合作、团队间一般和竞争的线性二次博弈,提出多玩家滚动时域自然策略梯度算法,并通过HJI方程分解证明其收敛到全局纳什均衡。
2025-02-08 cs.AI cs.GT cs.LG
Learning Bilateral Team Formation in Cooperative Multi-Agent Reinforcement Learning
针对多智能体强化学习中单边分组和固定种群的局限,提出动态系统下的双边团队形成学习框架,揭示了算法特性对策略性能与泛化能力的影响,并在多数场景中验证了其竞争优势。
2025-06-24 cs.AI cs.GT cs.LG
MARL-BattleGrounds: A Novel JAX-native Benchmark for Heterogeneous and Competitive Multi-agent RL
本文提出一款JAX原生的异构竞争性MARL基准MARL-BGs,填补现有基准的中间空白,含52张地图与两种评估模式,支持多类智能体评估,模拟器在RTX 5090上每秒可运行5万步5v5游戏。
2026-10-14 cs.AI cs.LG cs.MA
Online Competitive Information Gathering for Partially Observable Trajectory Games
Vanderbilt University(范德比大学)
本文针对部分可观测随机博弈中连续规划难处理的问题,提出一种基于粒子估计与随机梯度博弈的在线轨迹规划方法,在追逃和仓库场景中验证其能实现主动信息收集并优于被动方法。
2025-06-02 cs.AI cs.GT cs.MA