arXiv cs.AI· Brandon Gary Kaplowitz, Osaze James Obahor, Christian Schroeder de Witt·· 9 天前AI 评分24
MA-JEPA：面向多智能体强化学习的联合嵌入世界模型
MA-JEPA: Joint-Embedding World Models for Multi-Agent Reinforcement Learning
AI 导读
MA-JEPA 是一种随机世界模型，用目标表征预测替代观测重建，实现集中训练、分散执行的多智能体强化学习。它通过类别潜状态与因果 Transformer，结合后验与动作条件动力学预测目标训练，并用于潜空间想象下的 actor-critic 学习。在 SMAC 的 8 张评测地图中，有 4 张的平均胜率达到或超过已报告的最强对比方法。
正文 · AI 翻译
摘要：世界模型通过在想象轨迹上训练策略来提高样本效率，但其有效性取决于能否学习到捕捉未来控制所需信息的表征。我们研究自监督联合嵌入预测（JEPA）能否为多智能体强化学习提供这种学习信号。我们提出 MA-JEPA，一种随机世界模型，用预测目标表征替代观测重建，从而实现集中训练、分散执行的多智能体基于模型的强化学习。分类隐状态和因果 Transformer 通过后验与动作条件动力学预测目标进行训练，随后用于从隐想象中进行 actor-critic 学习。仅用于训练的联合预测器以所有智能体的局部状态和动作为条件，预测每个智能体的下一局部观测嵌入。这些预测经过与真实交互期间相同的局部后验，并输入仅用于价值学习的集中式 critic，执行仍保持分散。我们的实验表明，该架构在 SMAC 上表现强劲，在八个评估地图中的四个上达到或超过已报告的最强对比方法平均胜率。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2609.33563 [cs.LG] |
| （或 arXiv:2609.33563v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.33563 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Brandon Kaplowitz [查看电子邮件]
[v1]
2026年9月27日星期日 13:37:30 UTC（2,021 KB）
[v2]
2026年10月8日星期四 17:57:30 UTC（2,022 KB）
来源：arXiv cs.AI · arxiv.org