基于技能图谱的多任务多智能体强化学习
机器人学
2025-07-10 v1
摘要
多任务多智能体强化学习 (MT-MARL) 近期因其提升 MARL 在多个任务上适应性的潜力而受到关注。然而，现有多任务学习方法面临挑战，因其无法处理不相关任务且知识迁移能力有限。本文提出了一种分层方法，高效地解决了这些挑战。高层模块利用技能图谱，低层模块采用标准 MARL 算法。我们的方法包含两个贡献：首先，在不相关任务的背景下考虑 MT-MARL 问题，拓展了 MTRL 的范围；其次，将技能图谱作为标准分层方法的上层，与下层独立训练，有效处理不相关任务并提升知识迁移能力。进行了大量实验以验证这些优势，表明所提方法优于最新的分层 MAPPO 算法。视频和代码已公开 https://github.com/WindyLab/MT-MARL-SG
引用
@article{arxiv.2507.06690,
title = {Multi-Task Multi-Agent Reinforcement Learning via Skill Graphs},
author = {Guobin Zhu and Rui Zhou and Wenkang Ji and Hongyin Zhang and Donglin Wang and Shiyu Zhao},
journal= {arXiv preprint arXiv:2507.06690},
year = {2025}
}
备注
Conditionally accepted by IEEE Robotics and Automation Letters