具有模型共享与有限通信的机器人团队中的角色涌现
多智能体系统
2026-01-21 v1 机器学习
机器人学
系统与控制
系统与控制
摘要
我们提出了一种用于多智能体觅食系统的强化学习策略，其中学习集中于单一智能体，其模型被周期性地分发给群体中的非学习智能体。在多智能体强化学习 (MARL) 为常用方法的领域中，该方法旨在显著降低与 MARL 和集中式学习模型等方法相比的计算和能量需求。通过开发高性能的觅食智能体，这些方法可以转化为物流、环境监测和自主探索等实际应用。该方法中引入了奖励函数，在没有明确指令的情况下促进智能体间的角色发展。这导致了智能体之间行为的分化。对角色分化的隐式鼓励允许动态行为，智能体可以根据其与环境的交互改变角色，而无需智能体之间的显式通信。
引用
@article{arxiv.2505.00540,
title = {Emergence of Roles in Robotic Teams with Model Sharing and Limited Communication},
author = {Ian O'Flynn and Harun Šiljak},
journal= {arXiv preprint arXiv:2505.00540},
year = {2026}
}
备注
Accepted for 2025 8th International Balkan Conference on Communications and Networking (Balkancom)