用于识别多智能体协同感知的分布鲁棒逆强化学习
机器学习
2024-09-24 v1 多智能体系统
信号处理
摘要
我们推导了一种极小极大分布鲁棒逆强化学习 (IRL) 算法，用于重构多智能体感知系统的效用函数。具体而言，我们构建了效用估计器，以最小化在以含噪信号观测为中心的 Wasserstein 模糊集上的最坏情况预测误差。我们证明了这种鲁棒估计与半无限优化重构之间的等价性，并提出了一种一致性算法来计算解。我们在数值研究中展示了该鲁棒 IRL 方案的有效性，从观测到的跟踪信号中重构认知雷达网络的效用函数。
引用
@article{arxiv.2409.14542,
title = {Distributionally Robust Inverse Reinforcement Learning for Identifying Multi-Agent Coordinated Sensing},
author = {Luke Snow and Vikram Krishnamurthy},
journal= {arXiv preprint arXiv:2409.14542},
year = {2024}
}