利用张量分解在因子化动作空间中进行强化学习
机器学习
2021-10-28 v1 多智能体系统
摘要
我们给出已发表工作 TESSERACT [Mahajan 等人,2021] 的扩展摘要,该工作提出一种利用张量分解在大型因子化动作空间中进行强化学习(RL)的新方案。本摘要的目标有二:(1) 在张量研究群体中激发更大的兴趣,以创建用于近似 RL 的方法与分析;(2) 阐明可使用张量分解的因子化动作空间的广义设定。我们采用协作多智能体强化学习场景作为典型设定,其中动作空间自然地在智能体间因子化,且若不借助对候选解底层假设空间的近似,学习将变得难以处理。
引用
@article{arxiv.2110.14538,
title = {Reinforcement Learning in Factored Action Spaces using Tensor Decompositions},
author = {Anuj Mahajan and Mikayel Samvelyan and Lei Mao and Viktor Makoviychuk and Animesh Garg and Jean Kossaifi and Shimon Whiteson and Yuke Zhu and Animashree Anandkumar},
journal= {arXiv preprint arXiv:2110.14538},
year = {2021}
}