WToE: Learning When to Explore in Multiagent Reinforcement Learning

计算机科学 强化学习 趋同(经济学) 人工智能 光学(聚焦) 功能(生物学) 机制(生物学) 任务(项目管理) 简单(哲学) 网格 机器学习 数学 工程类 认识论 光学 物理 哲学 生物 经济 进化生物学 系统工程 经济增长 几何学
作者
Shaokang Dong,Hangyu Mao,Shuyuan Yang,Shengyu Zhu,Wenbin Li,Jianye Hao,Yang Gao
出处
期刊:IEEE transactions on cybernetics [Institute of Electrical and Electronics Engineers]
卷期号:: 1-13
标识
DOI:10.1109/tcyb.2023.3328732
摘要

Existing multiagent exploration works focus on how to explore in the fully cooperative task, which is insufficient in the environment with nonstationarity induced by agent interactions. To tackle this issue, we propose When to Explore (WToE), a simple yet effective variational exploration method to learn WToE under nonstationary environments. WToE employs an interaction-oriented adaptive exploration mechanism to adapt to environmental changes. We first propose a novel graphical model that uses a latent random variable to model the step-level environmental change resulting from interaction effects. Leveraging this graphical model, we employ the supervised variational auto-encoder (VAE) framework to derive a short-term inferred policy from historical trajectories to deal with the nonstationarity. Finally, agents engage in exploration when the short-term inferred policy diverges from the current actor policy. The proposed approach theoretically guarantees the convergence of the Q -value function. In our experiments, we validate our exploration mechanism in grid examples, multiagent particle environments and the battle game of MAgent environments. The results demonstrate the superiority of WToE over multiple baselines and existing exploration methods, such as MAEXQ, NoisyNets, EITI, and PR2.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
DIBTP完成签到,获得积分10
2秒前
3秒前
4秒前
dh完成签到,获得积分10
4秒前
就学一点点完成签到,获得积分20
5秒前
5秒前
6秒前
7秒前
北雁完成签到,获得积分10
8秒前
善学以致用应助小叮当采纳,获得10
8秒前
小小完成签到,获得积分10
8秒前
9秒前
10秒前
10秒前
科研渣发布了新的文献求助10
11秒前
wu完成签到,获得积分10
11秒前
12秒前
12秒前
12秒前
了了了完成签到 ,获得积分20
13秒前
abaaba发布了新的文献求助10
13秒前
Lucas应助小姚采纳,获得10
14秒前
亿元发布了新的文献求助10
15秒前
16秒前
shawn发布了新的文献求助10
16秒前
TTT发布了新的文献求助10
17秒前
18秒前
不许瞎哼哼完成签到 ,获得积分10
20秒前
所所应助积极问晴采纳,获得10
20秒前
21秒前
21秒前
英俊的铭应助jjb采纳,获得10
21秒前
WUUUU完成签到,获得积分10
21秒前
科研渣完成签到,获得积分10
21秒前
大模型应助13223456采纳,获得10
22秒前
22秒前
嘴嘴完成签到,获得积分10
23秒前
shawn完成签到,获得积分10
23秒前
24秒前
24秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137412
求助须知:如何正确求助?哪些是违规求助? 2788462
关于积分的说明 7786566
捐赠科研通 2444645
什么是DOI,文献DOI怎么找? 1300002
科研通“疑难数据库(出版商)”最低求助积分说明 625712
版权声明 601023