分散式多智能体导航的环境和政策协同优化

BriefGPT - AI 论文速递 · 2024-03-21T00:00:00Z

CoPPO是一种用于多智能体环境下多项策略优化的算法，通过联合目标实现动态的学分分配，解决了多智能体系统中同时更新智能体策略时高方差的问题。实验证明CoPPO在合作矩阵博弈和StarCraft II微观管理任务等多智能体环境中优于一些强基线，并与最新的多智能体PPO方法（即MAPPO）相竞争。