本研究提出了一种跨环境合作（CEC）方法，以提升多智能体系统在新任务中的泛化能力。通过强化学习，智能体能够掌握通用合作技能，实现零样本协调，尤其在与人类合作时表现出色。

本文探讨了零样本协调（ZSC）在多智能体强化学习中的应用，特别是在合作游戏Hanabi中的表现。研究提出了多种算法和方法，以提高智能体的适应性和协调能力，实验表明训练数据的多样性和优化过程对智能体的适应性有重要影响，并提出了新的评估方法以改进ZSC的性能。