面向多智能体强化学习的干扰感知 K 步可达通信
人工智能
2026-03-17 v1
摘要
有效的通信是解决多智能体强化学习 (MARL) 中复杂协作任务的关键。然而，受限的通信带宽和动态复杂的环境拓扑结构，给确定高价值通信伙伴带来了重大挑战，导致智能体必须在不确定性下选择合作伙伴，缺乏关于哪些伙伴能提供任务关键信息的先验知识。为此，我们提出干扰感知 K 步可达通信 (IA-KRC) 框架，通过两个核心组件实现合作提升：(1) K 步可达性协议，将消息传递限制在物理可达的邻居范围内；(2) 干扰预测模块，通过最小化干扰同时最大化效用来优化伙伴选择。与现有方法相比，IA-KRC 在环境干扰下实现了更持久且更高效的合作。全面评估表明，IA-KRC 在各种基线方法上均实现了优异性能，并在复杂拓扑和高度动态的多智能体场景中展现出增强的鲁棒性和可扩展性。
引用
@article{arxiv.2603.15054,
title = {Interference-Aware K-Step Reachable Communication in Multi-Agent Reinforcement Learning},
author = {Ziyu Cheng and Jinsheng Ren and Zhouxian Jiang and Chenzhihang Li and Rongye Shi and Bin Liang and Jun Yang},
journal= {arXiv preprint arXiv:2603.15054},
year = {2026}
}
备注
multi-agent reinforcement learning, communication