Buchumschlag

Reducing Redundant Computation in Multi-Agent Coordination through Locally Centralized Execution

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bai, Yidong, Sugawara, Toshiharu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Multiagent Systems Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Semi Centralized Training Decentralized Execution Architecture for Multi Agent Deep Reinforcement Learning in Traffic Signal Control
von: Rezaali, Arash, et al.
Veröffentlicht: (2025)

Decentralized Transformers with Centralized Aggregation are Sample-Efficient Multi-Agent World Models
von: Zhang, Yang, et al.
Veröffentlicht: (2024)

Is Centralized Training with Decentralized Execution Framework Centralized Enough for MARL?
von: Zhou, Yihe, et al.
Veröffentlicht: (2023)

PTDE: Personalized Training with Distilled Execution for Multi-Agent Reinforcement Learning
von: Chen, Yiqun, et al.
Veröffentlicht: (2022)

Distributed Multi-Agent Coordination Using Multi-Modal Foundation Models
von: Mahmud, Saaduddin, et al.
Veröffentlicht: (2025)

Distributed Multi-Agent Reinforcement Learning Based on Graph-Induced Local Value Functions
von: Jing, Gangshan, et al.
Veröffentlicht: (2022)

Group-Aware Coordination Graph for Multi-Agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2024)

Settling Decentralized Multi-Agent Coordinated Exploration by Novelty Sharing
von: Jiang, Haobin, et al.
Veröffentlicht: (2024)

Language-Driven Coordination and Learning in Multi-Agent Simulation Environments
von: Li, Zhengyang, et al.
Veröffentlicht: (2025)

Coordination Matters: Evaluation of Cooperative Multi-Agent Reinforcement Learning
von: Cardei, Maria Ana, et al.
Veröffentlicht: (2026)

Heterogeneous Information-Bottleneck Coordination Graphs for Multi-Agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2026)

Embodiment-Induced Coordination Regimes in Tabular Multi-Agent Q-Learning
von: Atif, Muhammad Ahmed, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning for Multi-Agent Coordination
von: Aina, Kehinde O., et al.
Veröffentlicht: (2025)

A Model-Based Solution to the Offline Multi-Agent Reinforcement Learning Coordination Problem
von: Barde, Paul, et al.
Veröffentlicht: (2023)

Centralized Permutation Equivariant Policy for Cooperative Multi-Agent Reinforcement Learning
von: Xu, Zhuofan, et al.
Veröffentlicht: (2025)

Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding
von: Vyaltsev, Valeriy, et al.
Veröffentlicht: (2026)

PIVOT: Bridging Planning and Execution in LLM Agents via Trajectory Refinement
von: Zhang, Tuo, et al.
Veröffentlicht: (2026)

Decentralized Coordination of Distributed Energy Resources through Local Energy Markets and Deep Reinforcement Learning
von: May, Daniel, et al.
Veröffentlicht: (2024)

Evaluating and Improving Graph-based Explanation Methods for Multi-Agent Coordination
von: Kailas, Siva, et al.
Veröffentlicht: (2025)

Optimizing Crowd-Aware Multi-Agent Path Finding through Local Communication with Graph Neural Networks
von: Pham, Phu, et al.
Veröffentlicht: (2023)

Reliable and Efficient Multi-Agent Coordination via Graph Neural Network Variational Autoencoders
von: Meng, Yue, et al.
Veröffentlicht: (2025)

Evaluating Collaborative and Autonomous Agents in Data-Stream-Supported Coordination of Mobile Crowdsourcing
von: Bruns, Ralf, et al.
Veröffentlicht: (2024)

Combining Diverse Information for Coordinated Action: Stochastic Bandit Algorithms for Heterogeneous Agents
von: Gordon, Lucia, et al.
Veröffentlicht: (2024)

Revisiting Multi-Agent World Modeling from a Diffusion-Inspired Perspective
von: Zhang, Yang, et al.
Veröffentlicht: (2025)

Detecting Multi-Agent Collusion Through Multi-Agent Interpretability
von: Rose, Aaron, et al.
Veröffentlicht: (2026)

Cross-environment Cooperation Enables Zero-shot Multi-agent Coordination
von: Jha, Kunal, et al.
Veröffentlicht: (2025)

MESA: Cooperative Meta-Exploration in Multi-Agent Learning through Exploiting State-Action Space Structure
von: Zhang, Zhicheng, et al.
Veröffentlicht: (2024)

Balancing Specialization and Centralization: A Multi-Agent Reinforcement Learning Benchmark for Sequential Industrial Control
von: Maus, Tom, et al.
Veröffentlicht: (2025)

Agent-Oriented Planning in Multi-Agent Systems
von: Li, Ao, et al.
Veröffentlicht: (2024)

VAE-GAN Based Price Manipulation in Coordinated Local Energy Markets
von: Mukherjee, Biswarup, et al.
Veröffentlicht: (2025)

Superhuman Safe and Agile Racing through Multi-Agent Reinforcement Learning
von: Geles, Ismail, et al.
Veröffentlicht: (2026)

GoAgent: Group-of-Agents Communication Topology Generation for LLM-based Multi-Agent Systems
von: Chen, Hongjiang, et al.
Veröffentlicht: (2026)

Goal-Oriented Multi-Agent Reinforcement Learning for Decentralized Agent Teams
von: Du, Hung, et al.
Veröffentlicht: (2025)

Context Learning for Multi-Agent Discussion
von: Hua, Xingyuan, et al.
Veröffentlicht: (2026)

Challenges in Credit Assignment for Multi-Agent Reinforcement Learning in Open Agent Systems
von: Abadi, Alireza Saleh, et al.
Veröffentlicht: (2025)

Enhancing Aerial Combat Tactics through Hierarchical Multi-Agent Reinforcement Learning
von: Selmonaj, Ardian, et al.
Veröffentlicht: (2025)

CRAKEN: Cybersecurity LLM Agent with Knowledge-Based Execution
von: Shao, Minghao, et al.
Veröffentlicht: (2025)

CAMAR: Continuous Actions Multi-Agent Routing
von: Pshenitsyn, Artem, et al.
Veröffentlicht: (2025)

Learning Progress Driven Multi-Agent Curriculum
von: Zhao, Wenshuai, et al.
Veröffentlicht: (2022)

Norm-Governed Multi-Agent Decision-Making in Simulator-Coupled Environments:The Reinsurance Constrained Multi-Agent Simulation Process (R-CMASP)
von: Dong, Stella C.
Veröffentlicht: (2025)