Strategizing at Speed: A Learned Model Predictive Game for Multi-Agent Drone Racing
Department of Cognitive Robotics, Delft University of Technology(认知机器人学系,代尔夫特理工大学)
针对多无人机竞速中策略深度与计算延迟的权衡问题,提出一种学习型模型预测博弈(LMPG)方法,通过摊销模型预测博弈计算来降低延迟,在仿真和硬件实验中优于模型预测博弈和模型预测控制。
2026-07-22 cs.GT cs.RO
Playing against no-regret players
ANITI(ANITI(人工智能与自然智能研究所));Toulouse School of Economics(图卢兹经济学院);UT Capitole(图卢兹第一大学)
在越来越不同的环境中,人类玩家必须与人工玩家互动,人工玩家根据决策算法做出决策。人类玩家应该如何对抗这些算法以最大化他的效用?如果他面对一个或多个人造球员,会有什么变化吗?本文的主要目的就是回答这两个问题。考虑在范式中随着时间的推移重复的n个玩家游戏,我们称人类玩家为优化器,而(n - 1)个人工玩家为学习器。我们假设学习者玩无遗憾算法,一类广泛应用于在线学习和决策的算法。在这些博弈中,我们考虑Stackelberg均衡的概念。在最近的一篇论文中,Deng,Schneider和Sivan证明了在一个2人游戏中,优化器总是可以保证每轮的预期累积效用至少为Stackelberg值。在我们的第一个结果中,我们用反例表明,如果优化器必须面对多个玩家,则该结果不再为真。因此,我们推广了Stackelberg均衡的定义,引入了相关Stackelberg均衡的概念。最后,在主要结果中,我们证明了优化器至少可以保证每轮的相关Stackelberg值。此外,使用一个版本的强大数定律,我们表明,我们的结果也几乎肯定是真的优化工具,而不是优化的预期效用。
2022-02-16 cs.AI cs.GT math.OC
Is Learning in Games Good for the Learners?
Google(谷歌)
本文提出允许非对称后悔约束的广义均衡,刻画重复博弈中奖励与后悔的权衡,并分析面对不同无后悔学习者时的最优收益及 Stackelberg 策略学习复杂度。
2023-12-16 cs.GT cs.LG
Planning Against Learning in Rank-1 Games
Graduate School of Business, Stanford University(斯坦福大学商学院)
该研究针对满足$\text{rank}(A+B)=1$的双矩阵博弈,证明其纳什均衡可多项式时间计算,但针对学习动态的最优规划是NP困难的,区分了高效均衡计算与策略规划。
2026-08-19 cs.GT
Maximizing utility in multi-agent environments by anticipating the behavior of other learners
Tel Aviv University(特拉维夫大学);Archimedes AI(阿基米德人工智能公司)
研究重复两人博弈中优化器如何预测并引导在线学习器行为;给出对抗 Replicator Dynamics 与 MWU 的高效用算法,并证明一般和博弈下最优响应情形不存在 FPTAS(除非 P=NP)。
2024-07-05 cs.GT cs.LG cs.MA
Game-Theoretic Design of Secure and Resilient Distributed Support Vector Machines with Adversaries
由于网络系统中存在大量的传感器和控制单元,分布式支持向量机(DSVM)在可扩展和高效的多传感器分类和预测任务中发挥着重要作用。然而,DSVM很容易受到攻击者的攻击,他们可以修改和生成数据来欺骗系统进行错误分类和错误预测。本研究旨在设计DSVM学习器对潜在攻击者的防御策略。我们建立了一个博弈论的框架来捕捉DSVM学习者和攻击者之间的利益冲突。博弈的纳什均衡允许预测对抗环境中学习算法的结果,并通过动态分布式学习算法增强机器学习的弹性。我们表明,DSVM学习者是不太容易受到攻击时,他使用一个平衡的网络,节点少,度高。我们还表明,增加更多的训练样本是一个有效的防御策略,对攻击者。我们提出了安全和弹性的DSVM算法的验证方法和拒绝方法,并通过数值实验显示其对对手的弹性。
2017-10-12 cs.GT stat.ML
Robust Attacks against Multiple Classifiers
University of California, Berkeley(加州大学伯克利分校);Harvard University(哈佛大学)
我们解决了设计最佳对抗噪声算法的挑战,学习者可以访问多个分类器。我们演示了如何将这个问题定义为在学习者和对手之间的两个玩家零和游戏中找到均衡策略。通过这样做,我们说明了在对抗攻击中随机化的必要性。为了计算纳什均衡,我们的主要技术重点是设计最佳响应预言机,然后可以在乘法权重更新框架内实现,以提高确定性扰动对一组模型的最佳混合策略。我们使用线性分类器和深度神经网络在一系列图像分类任务上证明了我们的方法的实际有效性。
2019-06-06 cs.CR cs.GT cs.LG
Learning to Play Against Unknown Opponents
University of Pennsylvania(宾夕法尼亚大学);Simons Institute for the Theory of Computing(西蒙斯理论计算研究所);Google Research(谷歌研究院)
针对收益未知的策略性对手,论文利用 menus 几何工具给出无后悔约束下的多项式时间最优算法及一般情形的 ε-最优算法。
2025-02-20 cs.GT cs.LG
No Coin Left Behind: Maximizing Strategic Surplus Against No-Regret Dynamics
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
研究在零和博弈中,先知优化者对抗恒定步长FTRL学习器所能获取的战略剩余,揭示了剩余规模与学习器次优动作数量的关系,并分析了正则化器陡峭性对剩余饱和的影响。
2026-05-21 cs.GT cs.LG
Markets with Heterogeneous Agents: Dynamics and Survival of Bayesian vs. No-Regret Learners
Cornell University(康奈尔大学)
研究比较贝叶斯学习者与无遗憾学习者在资产市场中的表现,探讨其生存条件及市场主导因素,提出混合策略提升鲁棒性与适应性。
2026-05-01 cs.AI cs.GT cs.MA
Learning in Markov Games with Adaptive Adversaries: Policy Regret, Fundamental Barriers, and Efficient Algorithms
Johns Hopkins University(约翰斯·霍普金斯大学)
本文研究含自适应对手的 Markov 博弈学习,提出以策略遗憾替代外部遗憾,刻画无界记忆、非平稳及指数策略集导致的根本障碍,并在一致对手条件下给出达到 √T 遗憾的高效算法。
2024-12-09 cs.AI cs.GT cs.LG
Online Minimax Multiobjective Optimization: Multicalibeating and Other Applications
University of Pennsylvania(宾夕法尼亚大学);Rice University(莱斯大学)
我们介绍了一个简单但通用的在线学习框架,在这个框架中,学习者在每一轮都变化的向量值游戏中与对手进行比赛。即使学习者的目标不是凸凹(因此极大极小定理不适用),我们给出了一个简单的算法,可以与对手必须首先宣布其行动的设置竞争,最佳地减少遗憾。我们证明了我们的框架的力量,用它来(重新)推导出最佳的界限和有效的算法在各种领域,从多校准到一个大的集合,没有遗憾的算法,到一个变种的Blackwell的逼近定理的多面体具有快速收敛速度。作为一个新的应用程序,我们展示了如何“(多)校准”一个任意的预测集合-与以前的工作相比,实现了对我们竞争的模型数量的指数级改进。
2022-10-13 cs.DS cs.GT cs.LG
Pareto-Optimal Algorithms for Learning in Games
研究重复博弈中的最优学习算法,提出渐近帕累托最优概念,证明无交换遗憾算法是帕累托最优的充分条件,并引入渐近菜单证明此类算法策略等价。
2024-02-14 cs.GT
How language model agents reshape price competition
Technical University of Munich(慕尼黑工业大学)
该研究针对重复伯川德竞争基准,发现LLM定价智能体的部署方式会影响价格竞争结果,不同部署模式可维持超竞争机制或动态高价锚点机制,推动定价竞争从静态均衡转向动态机制。
2026-10-19 cs.GT cs.LG cs.MA
On the Power of Deception in Repeated Games
Toyota Technological Institute at Chicago(芝加哥丰田技术研究所)
研究重复两人正规形式博弈中对基于计数学习者的欺骗行为,形式化相关玩法与欺骗奖励概念,建立结构结果,设计算法优化对抗不同情况的对手,证明近似最优欺骗收益针对ERM学习规则是NP难的,并通过实验测量随机博弈中的欺骗奖励。
2026-07-28 cs.GT
A Stronger Benchmark for Online Bilateral Trade: From Fixed Prices to Distributions
Politecnico di Milano(米兰理工大学)
本文提出了一种在随机环境中实现次线性遗憾的算法,通过全局预算平衡约束提升在线双边交易的社会福利。
2026-02-05 cs.GT
Polynomial-Time Linear-Swap Regret Minimization in Imperfect-Information Sequential Games
该研究针对序贯博弈中可高效实现的最强理性概念这一长期开放问题,证明可通过多项式时间迭代实现无线性交换遗憾,且该理性概念强于无触发遗憾,可高效逼近线性偏离相关均衡。
2023-11-07 cs.GT
Multi-Agent Learning of Reactive Strategies in Iterated Games
University of Pennsylvania(宾夕法尼亚大学)
该研究针对迭代博弈,发现学习率均匀的多智能体群体收敛于始终背叛,而学习率可变的群体则趋近于宽宏以牙还牙,能产生接近最优的集体收益,且合作可从扰动中恢复。
2026-10-14 cs.GT physics.soc-ph q-bio.PE
Achieving Better Regret against Strategic Adversaries
我们研究在线学习问题,其中学习者对对手的行为有额外的知识,即,在博弈论环境中,对手通常遵循一些无外部遗憾的学习算法。在这种假设下,我们提出了两个新的在线学习算法,准确遵循正规化领导者(AFTRL)和最佳响应(EST-BR),集中利用这些额外的知识,同时保持在最坏的情况下,有不准确的额外信息的无遗憾属性。具体地说,AFTRL实现了$O(1)$外部遗憾或$O(1)$ \emph{forward regret}对无外部遗憾对手相比,$O(\sqrt{T})$ \emph{dynamic regret}的EST-BR。据我们所知,我们的算法是第一个考虑前向后悔,实现$O(1)$对战略对手的遗憾。当采用AFTRL的一种特殊情形--精确乘性权值更新(AMWU)进行零和博弈时,我们实现了\emph{last round convergence}到纳什均衡。我们还提供了数值实验,以进一步支持我们的理论结果。特别是,我们证明了我们的方法与现有技术相比(例如,乘法权重更新(MWU)及其乐观对应物OMWU)。
2023-02-13 cs.GT cs.LG cs.MA