CONCAT: Consensus- and Confidence-Driven Ad Hoc Teaming for Efficient LLM-Based Multi-Agent Systems
Southeast University(东南大学);Huawei Technologies Ltd(华为技术有限公司)
提出一种无需训练的共识与置信驱动即席团队协作框架CONCAT,通过聚类初始答案、选择高置信领导者并基于心智理论预测协作收益来动态组织多智能体交互,显著提升效率并降低延迟。
2026-09-23 cs.CL cs.MA
Controlling Type Confounding in Ad Hoc Teamwork with Instance-wise Teammate Feedback Rectification
针对临时团队协作中因忽略类型内实例分布导致的类型混淆问题,提出基于因果推断的CTCAT方法,通过实例级队友反馈校正解耦虚假相关性,在多个领域验证了其鲁棒性。
2023-06-19 cs.MA
Towards Open Ad Hoc Teamwork Using Graph-based Policy Learning
University of Edinburgh(爱丁堡大学);University of Amsterdam(阿姆斯特丹大学)
特设团队合作是设计一个自主智能体的挑战性问题,它可以快速适应与队友合作,而无需事先的协调机制,包括联合训练。在此领域的先前工作集中在封闭的团队中,其中代理的数量是固定的。在这项工作中,我们考虑开放的团队,允许代理人与不同的固定政策,进入和离开环境,而无需事先通知。我们的解决方案建立在图神经网络学习代理模型和联合行动的价值模型在不同的团队组成。我们贡献了一种新的行动价值计算,集成了代理模型和联合行动价值模型,以产生行动价值估计。我们的经验表明,我们的方法成功地模拟了其他代理人对学习者的影响,导致政策,强大地适应动态的团队组成,并显着优于几种替代方法。
2021-06-09 cs.LG cs.MA stat.ML
Agent based Tools for Modeling and Simulation of Self-Organization in Peer-to-Peer, Ad-Hoc and other Complex Networks
基于Agent的建模和仿真工具为复杂仿真的开发提供了一个成熟的平台。然而,它们在主流的计算机网络建模与仿真领域中的应用并不多。在这篇文章中,我们评估这些工具如何以及是否可以在复杂网络的建模和仿真中提供任何附加值,例如普适计算,大规模对等系统,以及涉及大量环境和人/动物/栖息地交互的网络。具体来说,我们证明了NetLogo的有效性-一个工具,已被广泛用于该地区的基于代理的社会模拟。
2017-08-04 cs.AI cs.MA cs.NI
Comparative Evaluation of Multiagent Learning Algorithms in a Diverse Set of Ad Hoc Team Problems
University of Edinburgh(爱丁堡大学)
本文关注的是评估不同的多智能体学习(MAL)算法的问题中,个别代理可能是异质的,在这个意义上利用不同的学习策略,没有事先协议或信息协调的机会。这种情况出现在特设团队问题,许多实际的多智能体系统应用的模型。多智能体学习的先前工作通常集中在同类智能体组上,这意味着所有智能体都是相同的,并且先验地知道这一事实。此外,这些算法是专门设计的特设团队的问题,通常是在团队中的代理与固定的行为进行评估,而不是代理,这是适应他们的行为。在这项工作中,我们经验性地评估五个MAL算法,代表多智能体学习的主要方法,但最初开发时考虑到同质设置,以了解他们的行为在一组特设团队问题。所有团队都由不断调整行为的代理人组成。该算法进行评估方面的一个全面的表征重复矩阵游戏,使用的性能标准,包括考虑,如达到均衡,社会福利和公平。我们的主要结论是没有明显的赢家。然而,比较评估也突出了不同算法在性能标准类型方面的相对优势,例如,社会福利与实现均衡。
2019-07-22 cs.AI cs.MA
PACT: Phenotype-Aware Contrastive Team Representation for Multi-Phenotype Grouped Ad Hoc Teamwork
Sun Yat-sen University(中山大学)
针对多智能体系统中需与多样表型陌生队友协作的MPG-AHT问题,提出PACT方法,经实验验证其在分布外评估与样本效率上均优于现有最优基线。
2026-08-21 cs.AI cs.MA
Knowledge-based Reasoning and Learning under Partial Observability in Ad Hoc Teamwork
University of Birmingham(伯明翰大学)
本文扩展基于非单调逻辑推理与有限样本行为模型的临时团队协作架构,支持模型在线学习适配及部分可观测、受限通信下协作,并在 Fort Attack 和 Half Field Offense 中验证其性能优于或持平数据驱动基线。
2023-06-01 cs.AI cs.LO cs.MA
Time-Ordered Ad-hoc Resource Sharing for Independent Robotic Agents
Intrinsic LLC(因特里尼克有限责任公司);Singapore University of Technology and Design(新加坡科技设计大学)
针对多机器人系统资源共享问题,提出基于布尔可满足性的方法,含转化算法、定理及CNF时间约束编码,经仿真与真实机器人测试验证有效,且开源基于Open-RMF构建。
2024-08-15 cs.MA cs.RO
Generic-to-Specific Reasoning and Learning for Scalable Ad Hoc Teamwork
Institute of Perception, Action and Behavior(感知、行为与动作研究所);School of Informatics(信息学院);University of Edinburgh(爱丁堡大学)
本文提出一种结合知识推理与数据驱动学习的架构,使临时团队中的智能体通过非单调逻辑推理确定行动,并在VirtualHome环境中验证其可扩展协作能力。
2025-08-06 cs.AI cs.LO cs.MA
Team Behavior in Interactive Dynamic Influence Diagrams with Applications to Ad Hoc Teams
University of Georgia(佐治亚大学);Teesside University(提赛德大学);Queen’s University Belfast(贝尔法斯特女王大学)
特别团队的规划是具有挑战性的,因为它涉及代理在没有任何事先协调或沟通的情况下进行协作。重点是原则性的方法,为一个单一的代理人与他人合作。这激发了在个人决策框架的背景下调查特设团队合作问题。然而,在多智能体环境中的个人决策面临的任务是必须对其他智能体的行为进行推理,这反过来又涉及对他人的推理。一个已建立的近似操作这种方法是从下面的无限嵌套引入0级模型。我们表明,有限嵌套建模的后果是,我们可能无法获得最佳的团队合作设置的解决方案。我们通过包括0级模型来解决这个限制,这些模型的解决方案涉及学习。我们证明,学习集成到规划的背景下,互动的动态影响图促进最佳的团队行为,并适用于特设团队合作。
2014-09-01 cs.AI cs.MA
Adaptive wireless power transfer in mobile Ad Hoc networks
我们研究了移动性对Ad Hoc网络中高效无线功率传输问题的有趣影响。我们考虑一组移动代理(消耗能量来执行某些传感和通信任务),和一个单一的静态充电器(具有有限的能量),可以充电的代理,当他们在其范围内。特别是,我们专注于有效地计算充电器的适当范围,以延长网络寿命的目标的问题。我们首先证明(在固定能源供应的现实假设下)的限制,任何固定的充电范围,因此,需要(和功率)的动态选择的充电范围,通过适应移动代理的行为,这是揭示在一个在线的方式。我们调查的复杂性,优化选择这样的自适应充电范围,通过显示两个简化的离线优化问题(密切相关的在线)是NP-难的。为了有效地解决所涉及的性能权衡,我们最后提出了各种自适应算法,假设不同层次的代理信息,他们的移动性和能源。
2020-04-08 cs.MA cs.NI
A General Learning Framework for Open Ad Hoc Teamwork Using Graph-based Policy Learning
University of Edinburgh(爱丁堡大学);University of Amsterdam(阿姆斯特丹大学)
本文提出一种基于图神经网络和强化学习的通用学习框架,用于解决完全可观测和部分可观测条件下的开放自组织团队协作问题,并通过维持潜在状态与团队组成的信念估计实现高效策略学习。
2023-10-28 cs.AI 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
Language Grounded Multi-agent Reinforcement Learning with Human-interpretable Communication
本文提出将MARL智能体通信空间与人类自然语言嵌入空间对齐的语言接地方法,在保持任务性能的同时加速通信涌现,并实现即兴团队协作中的零样本泛化。
2024-11-25 cs.MA
ROTATE: Regret-driven Open-ended Training for Ad Hoc Teamwork
Department of Computer Science(计算机科学系);The University of Texas at Austin(德克萨斯大学奥斯汀分校);College of Computing and Data Science(计算与数据科学学院);Nanyang Technological University(南洋理工大学)
ROTATE提出遗憾驱动的开放式训练框架,通过对抗性队友生成器与AHT智能体交替优化,在Overcooked和觅食任务上显著提升对未见队友的泛化协作能力。
2026-09-16 cs.AI cs.MA
Learning to Cooperate with Completely Unknown Teammates
特设团队合作的一个关键目标是开发一个学习代理,与未知的团队合作,而不采取任何预协调协议。尽管文献中有大量的特设团队合作算法,但其中大多数都无法解决学习与完全未知的团队合作的问题,除非从头开始学习。本文提出了一种新的方法,该方法使用迁移学习和最先进的PLASTIC-Policy来快速适应完全未知的队友。我们在半场进攻模拟器中与五个不同的队友测试我们的解决方案。队友是由来自不同国家和不同时间的开发人员独立设计的。我们的实证评估表明,它是有利的特设代理,以利用其过去的知识时,适应一个新的团队,而不是从头开始学习如何与它合作。
2022-05-06 cs.MA
Making Friends in the Dark: Ad Hoc Teamwork Under Partial Observability
INESC-ID(INESC-ID(高等工程系统与计算机研究所));Instituto Superior Técnico, University of Lisbon(里斯本大学高等技术学院);Pontifícia Universidade Católica do Rio de Janeiro(里约热内卢天主教大学)
该研究定义了部分可观测下的ad hoc团队协作场景,提出仅靠先验知识和部分观测的模型驱动方法,在70个POMDP上验证了其协助未知队友的有效性与扩展性。
2023-09-30 cs.AI cs.MA
Shapley Machine: A Game-Theoretic Framework for N-Agent Ad Hoc Teamwork
INFORMED-AI Hub University of Bristol, UK(INFORMED-AI Hub 英国布里斯托大学);Centre for AI Fundamentals University of Manchester, UK(人工智能基础研究中心 英国曼彻斯特大学);School of Engineering Mathematics and Technology University of Bristol, UK(工程数学与技术学院 英国布里斯托大学)
针对n智能体自组织团队协作中现有方法缺乏理论严谨性、信用分配模糊的问题,本文基于合作博弈论提出Shapley Machine强化学习算法,通过公理构造Shapley值实现信用分配,首次关联合作博弈论与强化学习概念,实验验证了其有效性与理论合理性。
2025-06-12 cs.GT cs.LG cs.MA
Zero-Shot Coordination in Ad Hoc Teams with Generalized Policy Improvement and Difference Rewards
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出了一种通用策略改进与差额奖励方法,用于实现不同团队间的高效零样本知识转移,通过三个模拟环境和真实机器人系统验证了其有效性。
2026-03-31 cs.AI cs.MA cs.RO
Open Ad Hoc Teamwork with Cooperative Game Theory
University of Manchester(曼彻斯特大学);University of Freiburg(弗莱堡大学);Aalto University(阿尔托大学)
本文通过合作博弈理论为开放自组织团队协作(OAHT)的联合Q值表示建立新理论,并基于图策略学习框架提出CIAO算法,以可证明的实现技巧提升学习效果。
2024-07-07 cs.LG cs.MA
Multi-AUV Ad-hoc network-based Target Tracking: A Value Gradient Guidance Multi-Agent Diffusion Reinforcement Learning Approach
Software College, Northeastern University(东北大学软件学院);Hohai University(河海大学)
针对多AUV自组织网络目标跟踪的训练不稳定、跟踪性能差问题,提出VGG-MADiffRL算法与MDCA架构,实现了更快收敛、更高跟踪精度与平稳训练动态,具有工程应用价值。
2026-08-14 cs.LG cs.MA cs.NI
EvoCorps: An Evolutionary Multi-Agent Framework for Depolarizing Online Discourse
Beijing University of Posts and Telecommunications(北京邮电大学)
EvoCorps通过进化多智能体框架主动应对在线讨论中的极化问题,提升讨论质量并实现闭环干预。
2026-02-09 cs.MA
A Survey of Ad Hoc Teamwork Research
Bar Ilan University(巴伊兰大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校);The University of Edinburgh(爱丁堡大学);The University of Birmingham(伯明翰大学);Sony AI(索尼人工智能)
特设团队合作是设计可以与新队友合作而无需事先协调的代理人的研究问题。这项调查有两个方面的贡献:首先,它提供了一个结构化的描述特设团队合作问题的不同方面。第二,报告讨论了迄今为止在该领域取得的进展,并确定了需要在特设团队工作中解决的当前和长期未决问题。
2022-08-16 cs.AI cs.MA
Learning to Cooperate with Unseen Agent via Meta-Reinforcement Learning
Vidyasirimedhi Institute of Science and Technology(威迪亚西里梅迪科学技术研究所)
特设团队合作问题描述的情况下,一个代理人必须与以前看不见的代理人合作,以实现一个共同的目标。为了使代理在这些场景中取得成功,它必须具有适当的合作技能。人们可以通过使用领域知识来设计代理的行为,将合作技能实现到代理中。然而,在复杂的领域,领域知识可能是不可用的。因此,如何从数据中直接学习合作技能是值得探讨的。在这项工作中,我们应用Meta强化学习(元RL)制定的背景下,特设团队合作的问题。我们的实证结果表明,这样的方法可以产生强大的合作代理在两个合作环境不同的合作情况:社会顺应性和语言解释。(This是扩展抽象版本的全文。)
2021-11-05 cs.AI cs.LG cs.MA
Towards a more efficient computation of individual attribute and policy contribution for post-hoc explanation of cooperative multi-agent systems using Myerson values
Artificial and Natural Intelligence Toulouse Institute (ANITI)(图卢兹人工与自然智能研究所);University of Toulouse(图卢兹大学);ISAE-Supaero(法国高等航空航天学院);Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI)(安达卢西亚数据科学与计算智能研究所);Research Center for Information and Communications Technologies of the University of Granada (CITIC-UGR)(格拉纳达大学信息与通信技术研究中心);University of Granada(格拉纳达大学)
对于战略家、决策者和体育教练来说,对团队中一个代理人的全球重要性进行定量评估就像黄金一样有价值。然而,检索这些信息并不是微不足道的,因为在合作任务中,很难将个人的表现与整个团队的表现分开。此外,代理人的作用与其个人属性之间的关系并不总是很清楚。在这项工作中,我们设想的Shapley分析的应用研究代理政策和属性的贡献,把他们放在平等的基础上。由于计算复杂性是NP-难的,并与可转移效用联盟博弈中的参与者数量呈指数级关系,因此我们利用关于博弈规则的先验知识来约束图上参与者之间的关系。因此,我们提出了一种方法来确定一个层次的知识图谱的代理的政策和功能的多Agent系统。假设系统的模拟器是可用的,图形结构允许利用动态规划以更快的方式评估重要性。我们在一个案例证明环境中测试了所提出的方法,该环境部署了硬编码策略和通过深度强化学习获得的策略。所提出的范例是计算要求较低,比平凡计算的Shapley值,并提供了很大的洞察力,不仅在一个团队中的代理的重要性,但也到所需的属性部署的政策在其最好的。
2022-12-06 cs.AI cs.LG cs.MA
Towards Few-shot Coordination: Revisiting Ad-hoc Teamplay Challenge In the Game of Hanabi
Mila(米拉研究所);Université de Montréal(蒙特利尔大学);Polytechnique Montréal(蒙特利尔综合理工学院);IBM Research(IBM研究院)
该研究针对现有ZSC算法对不同训练方法的伙伴适应慢的问题,基于Hanabi游戏构建评估框架与适应遗憾指标,发现朴素IQL适应速度与SOTA的OBL相当,并指出训练数据多样性、优化过程类超参数对适应性影响显著。
2023-08-20 cs.AI cs.LG cs.MA
Agents Incorporating Identity and Dynamic Teams in Social Dilemmas
我们提出了我们的初步工作,涉及复杂的人类现象的身份和动态团队的多智能体系统。我们概述了我们正在进行的实验,以了解这些因素如何可以消除一些天真的假设,目前的多智能体方法。这些包括代理之间缺乏复杂的异质性和不变的团队结构。我们概述了人类的社会心理基础的身份,一个人的自我意识,和动态的团队,不断变化的性质的人类团队。我们描述了我们的应用程序,这些因素的多智能体系统和我们的期望,他们如何可能会提高系统的适用性,更复杂的问题,特别是相关的特设团队合作。我们希望包含更复杂的人类过程,如身份和动态团队,将有助于实现拥有有效的人类-代理团队的最终目标。
2023-01-04 cs.MA
Unsupervised Partner Design Enables Robust Ad-hoc Teamwork
University of Southampton(索姆塞特大学)
提出无监督伙伴设计(UPD)方法,通过动态生成并基于可学习性准则自适应选择训练伙伴,无需预训练伙伴群体或手动调参,在多个任务中达到强性能,并在人机交互研究中获得更高评价。
2026-09-02 cs.AI cs.HC cs.LG
Partner Capability Estimation for Task-Agnostic Adaptation in Ad-Hoc Teamwork
King’s College London(伦敦国王学院)
该研究针对临时团队协作中伙伴能力隐藏与人类行为不可预测问题,提出CE-CM及CE-CM-Div方法,通过仿真采样与多样规划器rollout实现任务无关的能力估计,提升了团队协作的可行性与鲁棒性。
2026-07-30 cs.AI cs.HC cs.MA
On Mobile Ad Hoc Networks for Coverage of Partially Observable Worlds
McGill University Computer Science Department and MILA Institute(麦吉尔大学计算机科学系和MILA研究所);L2S at the University Paris-Saclay, CentraleSupélec(巴黎萨克雷大学L2S及CentraleSupélec)
本文提出两种算法,用于在部分可观测环境中实现移动代理的覆盖与连通性,通过几何抽象提升通信驱动探索的性能。
2025-12-10 cs.CG cs.MA cs.RO
RecBayes: Recurrent Bayesian Ad Hoc Teamwork in Large Partially Observable Domains
INESC-ID & Técnico Lisboa(INESC-ID与里斯本大学高等技术学院);Delft University of Technology(代尔夫特理工大学);Eindhoven University of Technology(埃因霍温理工大学)
本文提出RecBayes,一种仅依赖观测的递归贝叶斯方法,用于部分可观测环境下的大规模临时团队协作,无需状态或队友动作,有效识别团队和任务并协助完成。
2025-06-18 cs.AI cs.LG cs.MA
Ad-Hoc Human-AI Coordination Challenge
FLAIR, University of Oxford, Oxford, UK(FLAIR,牛津大学,牛津,英国);Department of Computer Science, University of Oxford, UK(计算机科学系,牛津大学,英国)
为解决人机协调评估难的问题,提出AH2AC2挑战,基于大规模人类数据构建代理智能体,开源3,079局游戏数据,并提供两人和三人Hanabi基线结果。
2025-06-29 cs.AI cs.HC cs.MA
SABRE: A Multi-Agent Approach for Selecting Out-of-Distribution Detectors Under a Budget
San Diego State University(圣地亚哥州立大学)
SABRE是一种多智能体方法,可在预算约束下针对视觉-语言模型的分布外检测,自动选择各领域最优检测器,解决固定检测器跨领域失效的问题,实现可靠检测。
2026-08-05 cs.MA
Distributed Multi-agent Navigation Based on Reciprocal Collision Avoidance and Locally Confined Multi-agent Path Finding
避碰是多智能体导航的核心问题。在分散的设置中,当代理具有有限的通信和感知能力时,通常以反应方式避免冲突,依赖于本地观察/通信。突出的碰撞避免技术,如ORCA,计算效率高,规模以及大量的代理。然而,在许多情况下,涉及导航通过狭窄的通道或有限的空间,死锁很可能会发生由于自私的行为的代理,因此,后者不能实现他们的目标。为此,我们建议一个应用程序的局部限制多代理路径查找(MAPF)求解器,协调子组的代理,似乎是在一个僵局(检测后者,我们建议一个简单的,但有效的特设例程)。我们提出了一种方法来建立一个基于网格的MAPF实例,通常需要现代MAPF求解器。我们评估其中两个在我们的实验中,即推和旋转和有界次优版本的基于冲突的搜索(ECBS),并表明,他们的列入导航管道显着增加了成功率,从15%到99%,在某些情况下。
2021-07-01 cs.MA
Efficiently Evolving Swarm Behaviors Using Grammatical Evolution With PPA-style Behavior Trees
用人工智能体进化群体行为在计算上是昂贵的和具有挑战性的。由于群体问题中的奖励结构通常是稀疏的,因此在数百个模拟中只有少数几个成功地进化出群体行为。此外,群体进化算法通常依赖于特设的适应度结构,并且需要为每个群体任务设计新的适应度函数。本文通过系统地将后条件-前条件-动作(PPA)规范行为树(BT)与语法进化相结合来进化群体行为。PPA结构用系统的后置条件检查取代了特殊的奖励结构,这允许一个通用的语法只使用环境线索和BT反馈来学习不同任务的解决方案。学习行为的静态性能很差,因为没有代理学习所有必要的子任务,但进化时的性能很好,因为代理可以在新的上下文中快速改变行为。进化算法成功地在75%的学习试验觅食和巢维护任务,比以前的工作提高了8倍。
2022-03-29 cs.MA cs.NE
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
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
MAS-Gate: Unlocking Multi-Agent System Lifecycle via Node-Centric Quantification
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Sun Yat-sen University(中山大学);Nanyang Technological University(南洋理工大学);National University of Singapore(新加坡国立大学)
该研究提出统一以节点为中心的量化方法MAS-Gate,适配MAS生命周期三阶段,在多任务场景下优于阶段特定基线,可改进MAS生成、编辑与错误归因。
2026-11-04 cs.AI cs.MA
A Game-Theoretic Model and Best-Response Learning Method for Ad Hoc Coordination in Multiagent Systems
University of Edinburgh(爱丁堡大学)
ad hoc协调问题是指在没有事先协调机制的多智能体系统中设计一个能够实现最佳灵活性和效率的自主智能体。我们概念化这个问题正式使用博弈论模型,称为随机贝叶斯博弈,其中的行为的球员是由其私人信息,或类型。基于这个模型,我们推导出一个解决方案,称为Harsanyi-Bellman Ad Hoc Coordination(HBA),它利用贝叶斯纳什均衡的概念,在规划过程中找到贝尔曼最优控制意义上的最佳行动。我们评估HBA在多智能体物流领域称为基于水平的觅食,它实现了更高的灵活性和效率比几种替代算法。我们还报告了一个公共科学展览中的人机实验,其中人类参与者反复扮演囚徒困境和石头剪刀布对HBA和替代算法,表明HBA实现了相同的效率和显着更高的福利和胜率。
2015-06-03 cs.AI cs.GT cs.MA
Assisting Unknown Teammates in Unknown Tasks: Ad Hoc Teamwork under Partial Observability
INESC-ID(INESC-ID 研究所);Instituto Superior Técnico(里斯本高等理工学院)
在本文中,我们提出了一种新的贝叶斯在线预测算法的问题设置的特设团队合作下的部分可观测性(ATPO),这使得在飞行中的合作与未知的队友执行未知的任务,而不需要一个预协调协议。与之前假设环境完全可观察状态的工作不同,ATPO适应部分可观察性,使用代理的观察来识别队友正在执行的任务。我们的方法既不假设队友的行为是可见的,也不假设环境奖励信号。我们评估ATPO在三个领域-两个修改后的版本的追求域与部分可观测性和煮过头域。我们的研究结果表明,ATPO是有效的和强大的识别队友的任务,从一个大的图书馆可能的任务,有效地解决它在接近最佳的时间,并可扩展的适应越来越大的问题大小。
2022-01-10 cs.AI cs.LG cs.MA
Reinforced Agent: Inference-Time Feedback for Tool-Calling Agents
Apple(苹果公司)
本文提出在推理时引入反馈机制,通过分离执行与审查任务,提升工具调用代理的实时纠错能力,并通过帮助性与危害性指标评估审查模型效果。
2026-04-29 cs.AI cs.LG cs.MA
Learning Connectivity for Data Distribution in Robot Teams
University of Pennsylvania(宾夕法尼亚大学)
许多算法的多机器人团队控制的假设下,低延迟,协调代理行动所需的全球状态信息可以很容易地在团队之间传播。然而,在没有现有通信基础设施的恶劣环境中,机器人必须形成自组织网络,迫使团队以分布式方式运行。为了克服这一挑战,我们提出了一个任务不可知的,分散的,低延迟的方法在ad-hoc网络中使用图神经网络(GNN)的数据分发。我们的方法使基于全局状态信息的多智能体算法能够通过确保每个机器人都可用来发挥作用。为此,代理从数据包传输中收集有关网络拓扑的信息,并将其馈送到本地运行的GNN,该GNN指示代理何时以及在何处传输最新的状态信息。我们通过强化学习使用平均信息年龄作为奖励函数来训练分布式GNN通信策略,并表明与特定于任务的奖励函数相比,它提高了训练稳定性。我们的方法相比,行业标准的数据分发方法,如随机洪泛和循环调度表现良好。我们还表明,训练的政策推广到更大的团队的静态和移动代理。
2021-07-30 cs.LG cs.MA cs.NI
AgentForesight: Online Auditing for Early Failure Prediction in Multi-Agent Systems
Rutgers University(新泽西罗格拉大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校);Purdue University(普渡大学)
本文提出AgentForesight框架,通过在线审计实现多智能体系统中早期故障预测,利用AFTraj-2K数据集训练出AgentForesight-7B模型,在性能和定位精度上优于GPT-4.1等模型。
2026-05-13 cs.AI cs.CL cs.MA
ReCollab: Retrieval-Augmented LLMs for Cooperative Ad-hoc Teammate Modeling
Department of Electrical and Computer Engineering, University of Texas at San Antonio(电子与计算机工程系,德克萨斯大学圣安东尼奥分校)
ReCollab通过检索增强生成技术提升即兴团队合作中队友行为建模的适应性与准确性。
2025-12-05 cs.AI cs.LG cs.MA
Decentralized Inference via Capability Type Structures in Cooperative Multi-Agent Systems
针对异构能力智能体的临时协作问题,提出基于能力类型结构的信念维护与规划算法,并在噪声观测及协作跳棋等环境中验证其可避免反协作行为。
2023-04-27 cs.GT cs.MA
Uncoupled Learning of Differential Stackelberg Equilibria with Commitments
The University of Sheffield(谢菲尔德大学);Delft University of Technology(代尔夫特理工大学);University of Amsterdam(阿姆斯特丹大学);Aalto University(阿尔托大学);The University of Manchester(曼彻斯特大学)
针对去中心化多智能体合作中无法获知他人收益函数的问题,提出基于零阶梯度估计的非耦合学习动态,并证明其在相同条件下收敛到微分 Stackelberg 均衡,同时给出角色协商机制。
2024-06-13 cs.AI cs.LG cs.MA
From Cloud-Native to Trust-Native: A Protocol for Verifiable Multi-Agent Systems
针对大语言模型驱动的自主智能体在高风险领域的可验证性难题,提出嵌入结构性保障的TrustTrack协议,构建信任原生自主范式,为自主系统提供新的架构演进方向。
2025-07-25 cs.AI cs.CR cs.MA
Search and Rescue in a Maze-like Environment with Ant and Dijkstra Algorithms
随着现代Ad Hoc网络的可靠性不断提高,在人类参与可能是危险的关键情况下,分析自治Ad Hoc代理的潜在参与是令人鼓舞的。一个这样的关键场景是在发生灾难时的搜索和救援工作,及时发现和帮助部署是至关重要的。本文演示了生物启发的技术,即蚂蚁算法(AA),在优化搜索时间为一个接近最佳的路径被困的受害者,其次是应用Dijkstra的算法在救援阶段的适用性。AA的固有探索性质被用于更快地映射和覆盖未知的搜索空间。四种不同的AA被实施,具有在游戏中的信息素的不同效果。一个倒置的AA,排斥信息素,被认为是最适合这个特定的应用程序。经过大量的探索,一旦发现受害者,自主智能体通过形成中继网络,使用已经部署的资源,进一步促进救援过程。因此,本文讨论了一个详细的决策模型的群体,分为两个主要阶段,分别负责搜索和救援。代理群的性能的不同方面进行了分析,作为一个功能的空间维度,搜索空间的复杂性,部署的搜索组的大小,和信号的渗透性的障碍物在该地区。
2021-11-17 cs.MA cs.SI
A Survey of Multi Agent Reinforcement Learning: Federated Learning and Cooperative and Noncooperative Decentralized Regimes
(July 2025)((2025年7月))
本文综述多智能体强化学习在联邦、分散合作与非合作三种机制下的研究,比较其结构异同,涵盖理论保证与数值性能的亮点与局限。
2025-07-08 cs.AI cs.LG cs.MA
The Emergence of Adversarial Communication in Multi-Agent Reinforcement Learning
University of Cambridge(剑桥大学)
许多现实世界的问题需要多个自主智能体的协调。最近的工作表明,图神经网络(GNN)有希望学习明确的通信策略,使复杂的多智能体协调。这些作品使用合作多代理系统的模型,代理努力实现一个共同的全球目标。当考虑具有自利局部目标的代理时,标准的设计选择是将它们建模为独立的学习系统(尽管共享相同的环境)。然而,这样的设计选择,排除了存在一个单一的,可区分的通信信道,并因此禁止学习的智能体通信策略。在这项工作中,我们解决这个差距,提出了一个学习模型,可容纳个人的非共享奖励和一个可区分的沟通渠道,是所有代理之间的共同点。我们专注于代理人有自我利益的目标的情况下,并开发一个学习算法,消除对抗性通信的出现。我们进行多代理覆盖和路径规划问题的实验,并采用事后可解释性技术来可视化代理相互通信的消息。我们展示了一个自私的代理是如何能够学习高度操纵性的通信策略,使其显着优于一个合作团队的代理。
2020-11-04 cs.AI cs.LG cs.MA
Multi-agent learning using Fictitious Play and Extended Kalman Filter
University of Manchester(曼彻斯特大学)
分散优化任务是多智能体系统的重要组成部分。这些任务可以被解释为n-玩家潜在的游戏:因此,博弈论的学习算法可以用来解决分散的优化任务。虚构游戏是这些算法的典型例子。然而,虚拟博弈隐含地假设参与者有固定的策略。我们提出了一个新的变种,虚构的发挥球员预测他们的对手的战略,使用扩展卡尔曼滤波器,并使用他们的预测,以更新他们的战略。我们表明,在2 × 2的游戏,至少有一个纯纳什均衡和潜在的游戏中,玩家有两个可用的行动,该算法收敛到纯纳什均衡。该算法的性能进行了实证测试,在两个战略形式的游戏和一个ad-hoc传感器网络监控问题。该算法在这些游戏中的表现优于经典的虚拟游戏算法,因此提高了分散优化中的游戏理论学习的性能。
2013-01-15 cs.LG cs.MA math.OC