去中心化协作_bandit_团队中的伙伴感知算法

当人类相互协作时，常通过观察他人并考量自身行动对整个团队可能造成的影响来决策，而非贪婪地只做对自身最有利之事。我们希望 AI 智能体也能通过捕捉伙伴模型以类似方式有效协作。本工作中，我们提出并分析了一种带耦合奖励的去中心化多臂_bandit_ (MAB) 问题，作为更一般多智能体协作的抽象。我们表明，将单智能体最优 MAB 算法的朴素扩展应用于去中心化 bandit 团队时会失效。相反，我们提出一种用于联合序贯决策的伙伴感知策略，其扩展了著名的单智能体上置信界算法。我们分析证明所提策略达到对数后悔，并提供涉及人-AI 与人-机器人协作的广泛实验以验证理论发现。结果表明，所提伙伴感知策略优于其他已知方法，且人类受试者研究表明人类更偏好与实现该伙伴感知策略的 AI 智能体协作。