智能主动物的去中心化学习动力学理论

智能主动物能够通过各自的政策控制其运动，以实现集体目标。我们引入一个理论框架来研究其中的去中心化学习过程，其中代理可以局部交换政策以适应其行为并最大化预定义的奖励函数。我们使用该形式化方法推导出政策动力学的显式流体方程。我们将该理论应用于两种不同的微观模型，其中政策对应要么是类似于进化动力学的固定参数，要么是来自机器人领域的状态依赖控制器。我们在理论预测与基于代理的仿真之间找到了良好的一致性。通过推导基本控制参数和不确定性关系，我们的工作为去中心化学习的统计物理分析奠定了基础。