通过学习感知的策略梯度实现多智能体合作

本文探讨了自利独立学习体之间的合作挑战，提出了一种无偏高阶无梯度策略梯度算法，专注于感知强化学习。该算法通过高效序列模型调节行为，以实现合作和高回报。