该研究发现合作多智能体强化学习中的价值分解和参数共享可能导致问题和不良结果，而个体策略的策略梯度方法在这些情况下表现良好。研究提出实用建议，并在多个领域进行了实证验证，有助于开发更强大的多智能体强化学习算法。

该文介绍了一种名为COMPOSER的控制策略，将蛇形机器人视为模块化机器人，并将其控制形式化为合作多智能体强化学习问题，以提高其合作行为和降低高维度。COMPOSER在五个任务中取得了最高的成功率，并证明了其对模块损坏的增强鲁棒性和显着的零-shot泛化能力的优势。