行为差异是多人游戏 Hanabi 中临时组队合作的关键

临时组队合作（ad-hoc team cooperation）是指在学习过程中未遇见过的其他玩家进行合作的问题。近来，该问题在 Hanabi 中被加以考量，其要求在不与其他玩家显式通信的情况下进行合作。尽管在强化学习（RL）过程中通过自博弈策略合作已取得成效，但存在初始学习完成后无法与未见过的智能体合作的问题。本文将临时组队合作的结果划分为失败、成功与协同三类，并分析相关的失败情况。首先，我们确认通过 RL 学习的智能体各自收敛到一种策略，但不一定是相同策略，且即便使用相同超参数，这些智能体也可部署不同策略。其次，我们借助层次聚类与 Pearson 相关性证实，行为差异越大，临时组队合作的失败越显著。我们通过层次聚类确认此类智能体被归入明显不同的群组，使得行为差异与临时组队性能之间的相关性为 -0.978。我们的结果增进了对多人游戏中成功临时组队合作关键因素的理解。