06 2022 档案

摘要：TRUST REGION POLICY OPTIMISATION IN MULTI-AGENT REINFORCEMENT LEARNING (HAPPO) 2109.11251 ICLR 2022 摘要： 作者说信任域方法带来的单调策略改进在MARL里不能简单适用。作者说本文发现的中心内容是mul 阅读全文

摘要：Coordinated Proximal Policy Optimization (CoPPO) 2111.04051 NeurIPS 2021 摘要： 提出了CoPPO。关键想法是，在对不同智能体进行策略更新时，对步长进行coordinated adaptation。证明了策略提升的单调性。基于一 阅读全文

摘要：The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games (MAPPO) 2103.01955 CTDE方式来使用多智能体PPO。在MPE、SMAC、Hanabi环境里进行了实验。发现MAPPO效果很好，样本效率比较好。 阅读全文

摘要：事后观察经验回放。OpenAI的论文。 1707.01495 摘要： 处理稀疏奖励。提出了Hindsight Experience Replay新技术，使得可以从稀疏二元的奖励中进行有效的学习。可以与任意off-policy的强化学习算法结合。可以看作一种implicit curriculum。 在 阅读全文