机构名称：
¥ 2.0
虽然在单药强化学习（RL）的背景下广泛研究了任务概括，但在多代理RL的背景下，很少有研究。确实存在的研究通常将任务概括视为环境的一部分，当明确认为没有理论保证时。我们提出了以目标为导向的多任务多任务多代理RL（GOLEMM）的学习，该方法实现了可以证明是最佳的任务概括，据我们所知，在MARL中还没有实现。在学习了单个任意任务的最佳目标价值函数之后，我们的方法可以零弹性地推断出分布中任何其他任务的最佳策略，仅给出了每个代理的终端奖励的知识，即新任务和学习任务。从经验上我们证明，我们的方法能够概括一个完整的任务分布，而代表性基线只能学习任务分布的一小部分。
合作多代理增强学习中的最佳任务概括
主要关键词
相关文件推荐
