因果多智能体强化学习:综述与开放问题
机器学习
2021-12-02 v2 人工智能
机器学习
摘要
本文旨在向读者介绍多智能体强化学习(MARL)领域及其与因果研究方法的结合部。我们强调MARL中的关键挑战,并在因果方法如何协助应对这些挑战的背景下加以讨论。我们倡导迈向一种“因果优先”的MARL视角。具体而言,我们认为因果性可带来更高的安全性、可解释性与鲁棒性,同时为涌现行为提供强有力的理论保证。我们讨论了针对常见挑战的潜在解决方案,并借此背景引出未来的研究方向。
引用
@article{arxiv.2111.06721,
title = {Causal Multi-Agent Reinforcement Learning: Review and Open Problems},
author = {St John Grimbly and Jonathan Shock and Arnu Pretorius},
journal= {arXiv preprint arXiv:2111.06721},
year = {2021}
}
备注
Accepted at Cooperative AI Workshop, NeurIPS 2021