arXiv cs.AI· Hongrui Zheng, Aditya Singh, Rahul Mangharam·· 6 天前AI 评分23
SafeDiSTL：为安全多智能体强化学习分解联合约束
SafeDiSTL: Decomposing Joint Constraints for Safe Multi-Agent Reinforcement Learning
AI 导读
SafeDiSTL 是一个约束多智能体强化学习框架，利用 Signal Temporal Logic（STL）鲁棒性度量回合级违规，并通过可微动力学得到的动作敏感度将联合约束成本增量分配到各智能体，实现联合约束下的信用分配。在协作载荷运输、联网导航和网络化交通控制任务中，其安全成功率分别达到约束基线的 1.6-5.1 倍、提升 11.1%，交通吞吐量提升 50-68%。
正文 · AI 翻译
摘要：协作多智能体任务通常会对共享目标或集体安全施加约束。团队级别的违规代价函数可以衡量这一约束结果，但无法区分哪些智能体的动作对该违规影响最大。我们提出 SafeDiSTL，一个受限多智能体强化学习框架，即使只有联合约束测量也能进行信用分配。我们使用信号时序逻辑（STL）鲁棒性，通过运行最大代价增量来衡量回合级违规。平滑的全回合鲁棒性和可微动力学提供动作敏感度，从而在同一决策时刻将每个代价增量分配给各智能体。这些敏感度在加权各智能体对每个代价增量的份额时考虑了延迟效应。我们在协作载荷运输、连通导航和网络化交通控制任务中研究了该框架。与受限基线相比，SafeDiSTL 在运输中达到 1.6-5.1 倍的安全成功率，将导航安全成功率提升 11.1%，并在交通中提供 50-68% 的更高吞吐量。结果表明，所学策略在处理共享约束方面有显著改进，同时保持了无约束策略的性能。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.13737 [cs.LG] |
| （或 arXiv:2610.13737v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13737 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Hongrui Zheng [查看邮箱]
[v1]
2026年10月9日星期五 15:32:06 UTC（284 KB）
来源：arXiv cs.AI · arxiv.org