通过身份感知学习的多智能体表达式通信

文章预览

文章介绍了一种称为 IDEAL （ Identity-Aware Learning ） 的方法，它作为现有基于图神经网络（ GNNs ）的多智能体通信协议的一种扩展，通过引入智能体的身份信息来增强消息传递过程中的特征表示区分度。 IDEAL 通过构建以每个智能体为中心的自我网络，并在其上进行多次异质消息传递，使每个智能体的特征表示更具有独特性，从而促进智能体间更有效的沟通并提升行动多样性。实验结果表明， IDEAL 可以灵活地集成到不同的多智能体通信方法中，并且相较于基线方法，在智能体数量增加的情况下依然能够保持较高的胜率，展示了其在 多智能体强化学习 ( multi-agent reinforcement learning : MARL ) 任务中的优越性和实用性。 1 身份感知学习-IDEAL 1. 智能体身份着色 ：IDEAL引入了智能体的身份信息到基于图神经网络（GNN）的多智能体通信协议中。通过应用归纳身份着 ………………………………