结构化多智能体环境中影响的一个充分统计量

在复杂环境中进行决策是人工智能（AI）的一项关键挑战。涉及多个决策者的情形尤为复杂，导致基于原理的求解方法在计算上不可行。AI领域已有大量工作试图通过将交互提炼至本质来缓解这个问题：一个智能体的策略如何影响另一个智能体？若能找到此类影响的更紧凑表示，便可帮助我们应对复杂性，例如通过搜索影响空间而非策略空间。然而，迄今为止这些影响概念在适用性上仅限于交互的特殊情形。本文形式化了基于影响的抽象（IBA），它可在不损失任何价值的前提下消除潜在状态因子，适用于一类非常广泛的问题——因子化部分可观测随机博弈（fPOSGs）。一方面，这推广了已有的影响描述，因而可作为复杂多智能体环境下可扩展性提升及决策其他洞见的基石。另一方面，由于其他智能体的存在可视为单智能体情形的推广，我们的IBA形式化也为单智能体抽象下决策提供了一个充分统计量。我们还详细讨论了与以往工作的关系，识别出这些方法的新洞见与新解释。通过这些方式，本文深化了我们对广泛序贯决策设定中抽象的理解，为一大类问题提供了新的方法与算法基础。