对称性增强的多智能体强化学习

本研究解决了多智能体强化学习在泛化、可扩展性和样本效率方面的挑战，特别是在传统方法中内在对称性不足的动态系统。通过引入外在对称性，本论文提出了一种新框架，并采用组等变图变换器来处理分布式群体任务。实验结果表明，该方法显著降低了碰撞率，提升了任务成功率，具有良好的泛化能力和零-shot扩展潜力。