Buchumschlag

Verco: Learning Coordinated Verbal Communication for Multi-agent Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Dapeng, Dong, Hang, Wang, Lu, Qiao, Bo, Qin, Si, Lin, Qingwei, Zhang, Dongmei, Zhang, Qi, Xu, Zhiwei, Zhang, Bin, Fan, Guoliang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Multiagent Systems Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Local Views: Global State Inference with Diffusion Models for Cooperative Multi-Agent Reinforcement Learning
von: Xu, Zhiwei, et al.
Veröffentlicht: (2024)

Context-aware Communication for Multi-agent Reinforcement Learning
von: Li, Xinran, et al.
Veröffentlicht: (2023)

QSIM: Mitigating Overestimation in Multi-Agent Reinforcement Learning via Action Similarity Weighted Q-Learning
von: Li, Yuanjun, et al.
Veröffentlicht: (2026)

AIR: Unifying Individual and Collective Exploration in Cooperative Multi-Agent Reinforcement Learning
von: Zhou, Guangchong, et al.
Veröffentlicht: (2024)

Knowing What Not to Do: Leverage Language Model Insights for Action Space Pruning in Multi-agent Reinforcement Learning
von: Liu, Zhihao, et al.
Veröffentlicht: (2024)

Strategic Coordination for Evolving Multi-agent Systems: A Hierarchical Reinforcement and Collective Learning Approach
von: Qin, Chuhao, et al.
Veröffentlicht: (2025)

Greedy-based Value Representation for Optimal Coordination in Multi-agent Reinforcement Learning
von: Wan, Lipeng, et al.
Veröffentlicht: (2021)

Graph Neural Network-based Multi-agent Reinforcement Learning for Resilient Distributed Coordination of Multi-Robot Systems
von: Goeckner, Anthony, et al.
Veröffentlicht: (2024)

VIL2C: Value-of-Information Aware Low-Latency Communication for Multi-Agent Reinforcement Learning
von: Zhang, Qian, et al.
Veröffentlicht: (2025)

Efficient Multi-agent Reinforcement Learning by Planning
von: Liu, Qihan, et al.
Veröffentlicht: (2024)

Learning Efficient Communication Protocols for Multi-Agent Reinforcement Learning
von: Zhang, Xinren, et al.
Veröffentlicht: (2025)

Exponential Topology-enabled Scalable Communication in Multi-agent Reinforcement Learning
von: Li, Xinran, et al.
Veröffentlicht: (2025)

Language Grounded Multi-agent Reinforcement Learning with Human-interpretable Communication
von: Li, Huao, et al.
Veröffentlicht: (2024)

Learning Communication Skills in Multi-task Multi-agent Deep Reinforcement Learning
von: Zhu, Changxi, et al.
Veröffentlicht: (2025)

QLLM: Do We Really Need a Mixing Network for Credit Assignment in Multi-Agent Reinforcement Learning?
von: Li, Yuanjun, et al.
Veröffentlicht: (2025)

Adaptive TD-Lambda for Cooperative Multi-agent Reinforcement Learning
von: Deng, Yue, et al.
Veröffentlicht: (2026)

Decentralized Diffusion Policy Learning for Enhanced Exploration in Cooperative Multi-agent Reinforcement Learning
von: Zhang, Yuyang, et al.
Veröffentlicht: (2026)

Nucleolus Credit Assignment for Effective Coalitions in Multi-agent Reinforcement Learning
von: Li, Yugu, et al.
Veröffentlicht: (2025)

UFO3: Weaving the Digital Agent Galaxy
von: Zhang, Chaoyun, et al.
Veröffentlicht: (2025)

Hybrid Training for Enhanced Multi-task Generalization in Multi-agent Reinforcement Learning
von: Zhang, Mingliang, et al.
Veröffentlicht: (2024)

Offline Multi-agent Reinforcement Learning via Sequential Score Decomposition
von: Qiao, Dan, et al.
Veröffentlicht: (2025)

Model-based Multi-agent Reinforcement Learning: Recent Progress and Prospects
von: Wang, Xihuai, et al.
Veröffentlicht: (2022)

Communicating Unexpectedness for Out-of-Distribution Multi-Agent Reinforcement Learning
von: Lee, Min Whoo, et al.
Veröffentlicht: (2025)

OPTAGENT: Optimizing Multi-Agent LLM Interactions Through Verbal Reinforcement Learning for Enhanced Reasoning
von: Bi, Zhenyu, et al.
Veröffentlicht: (2025)

SafeDiver: Cooperative AUV-USV Assisted Diver Communication via Multi-agent Reinforcement Learning Approach
von: Deng, Tinglong, et al.
Veröffentlicht: (2025)

MACCA: Offline Multi-agent Reinforcement Learning with Causal Credit Assignment
von: Wang, Ziyan, et al.
Veröffentlicht: (2023)

Making Teams and Influencing Agents: Efficiently Coordinating Decision Trees for Interpretable Multi-Agent Reinforcement Learning
von: Chen, Rex, et al.
Veröffentlicht: (2025)

Enabling Autonomic Microservice Management through Self-Learning Agents
von: Yu, Fenglin, et al.
Veröffentlicht: (2025)

Kaleidoscope: Learnable Masks for Heterogeneous Multi-agent Reinforcement Learning
von: Li, Xinran, et al.
Veröffentlicht: (2024)

Contextual Knowledge Sharing in Multi-Agent Reinforcement Learning with Decentralized Communication and Coordination
von: Du, Hung, et al.
Veröffentlicht: (2025)

Distributed Zeroth-Order Policy Gradient for Networked Multi-agent Reinforcement Learning from Human Feedback
von: Dai, Pengcheng, et al.
Veröffentlicht: (2026)

Multi-Agent Reinforcement Learning with Communication-Constrained Priors
von: Yang, Guang, et al.
Veröffentlicht: (2025)

Inferring Latent Temporal Sparse Coordination Graph for Multi-Agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2024)

A Multi-agent Reinforcement Learning Study of Evolution of Communication and Teaching under Libertarian and Utilitarian Governing Systems
von: Dizaji, Aslan S.
Veröffentlicht: (2024)

Intrinsic Action Tendency Consistency for Cooperative Multi-Agent Reinforcement Learning
von: Zhang, Junkai, et al.
Veröffentlicht: (2024)

MAGIC: Multi-Step Advantage-Gated Causal Influence for Multi-agent Reinforcement Learning
von: Yu, Haohan, et al.
Veröffentlicht: (2026)

GAWM: Global-Aware World Model for Multi-Agent Reinforcement Learning
von: Shi, Zifeng, et al.
Veröffentlicht: (2025)

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

Bandwidth-constrained Variational Message Encoding for Cooperative Multi-agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2025)

Streaming Multi-agent Pathfinding
von: Tang, Mingkai, et al.
Veröffentlicht: (2025)