arXiv cs.MA· Hannes B\"uchi, Manon Flageat, Eduardo Sebasti\'an, Amanda Prorok·· 10 小时前AI 评分31
以事件为触发器的多智能体强化学习行为多样性框架
Events as Triggers for Behavioral Diversity in Multi-Agent Reinforcement Learning
AI 导读
研究者提出一种将智能体身份与行为解耦的多智能体强化学习框架，通过事件触发行为切换，让智能体在特定时刻承担不同角色。该框架包含 Neural Manifold Diversity（NMD）距离度量和基于事件的超网络，后者在共享团队策略上生成 LoRA 模块，实现智能体策略的即时重配置。实验显示其性能超越现有基线，具备零样本泛化能力，且是唯一能解决需要顺序行为重分配任务的方法。
正文 · AI 翻译
摘要：有效的多智能体合作要求智能体随着任务条件的变化采取多样化的行为，并且要在恰当的时机这样做。然而，当前用于促进这种多样性的多智能体强化学习（MARL）框架仍受限于一个事实：它们将固定行为绑定到固定的智能体身份上。因此，它们难以胜任那些需要智能体在非常特定的时刻承担不同角色的任务。我们认为，要定义这些行为转换，缺失的要素是 $\textbf{事件}$。事件是系统状态的改变，会引发任务的性质变化。基于这一观点，我们提出了一个将智能体身份与行为解耦的框架，它捕捉了一个连续流形，智能体从中响应事件来实例化其行为。该框架基于两个要素。首先，为了构建一个具有表现力的行为流形，我们引入了神经流形多样性（NMD），这是一种形式化的距离度量，在行为是瞬时的且与智能体无关时仍保持良好定义。其次，我们使用基于事件的超网络，在共享的团队策略上生成低秩适应（LoRA）模块，从而能够响应事件即时重新配置智能体策略。我们证明，这种构造在设计上确保了多样性不会干扰奖励最大化。实证结果表明，我们的框架在各项基准上优于既有基线，同时展现出零样本泛化能力，并且是唯一能解决需要顺序行为重新分配任务的方法。
| 主题： | 多智能体系统（cs.MA）；机器学习（cs.LG） |
| 引用为： | arXiv:2605.12388 [cs.MA] |
| （或 arXiv:2605.12388v3 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.12388 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hannes Büchi [查看邮箱]
[v1]
2026年5月12日星期二 16:51:23 UTC（7,041 KB）
[v2]
2026年5月13日星期三 11:22:03 UTC（7,041 KB）
[v3]
2026年10月29日星期四 21:34:42 UTC（6,942 KB）
来源：arXiv cs.MA · arxiv.org