MA-UITD：离线推断多智能体奖励

Zeyuan Zhang 等作者提出离线多智能体单边逆时序差分奖励推断方法 MA-UITD，可从联合演示中推断各智能体的显式奖励，无需已知环境动力学，也无需内层策略优化循环。 该方法用信念条件后继特征表示单边长期价值。作者称，在离散动作的协作、竞争与一般和任务中，MA-UITD 优于基线；在连续动作设置下，它能推断出行为兼容的奖励。 应用于社会觅食轨迹数据时，MA-UITD 为领导者与跟随者推断出不同的空间与交互相关奖励结构。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。