高效生成多机器人协作智能体：基于世界模型的方法
人工智能
2025-06-10 v1
摘要
零样例协调（ZSC）智能体训练过程中的一个主要瓶颈是生成在协作约定方面具有多样性的合作伙伴智能体。当前的交叉玩法最小化（XPM）方法用于人口生成可能非常计算昂贵且样本效率低，因为训练目标需要抽取多种轨迹类型。每个合作伙伴智能体在人口中也都是从头训练的，尽管所有合作伙伴都在学习同一协调任务的策略。在本工作中，我们提出，通过环境动态模型的模拟轨迹可大幅加速XPM方法的训练过程。我们引入XPM-WM，一种通过学习的世界模型（WM）生成用于XPM的模拟轨迹的框架。我们表明，使用模拟轨迹的XPM无需抽取多种轨迹。此外，我们表明我们提出的方法能够有效生成在SP人口训练奖励以及用于训练ZSC智能体的合作伙伴方面与先前方法相当的多样化约定。因此，我们的方法在样本效率和规模化至大量合作伙伴方面具有显著优势。
引用
@article{arxiv.2506.07450,
title = {Efficient Generation of Diverse Cooperative Agents with World Models},
author = {Yi Loo and Akshunn Trivedi and Malika Meghjani},
journal= {arXiv preprint arXiv:2506.07450},
year = {2025}
}