Buchumschlag

GAWM: Global-Aware World Model for Multi-Agent Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Zifeng, Liu, Meiqin, Zhang, Senlin, Zheng, Ronghao, Dong, Shanling, Wei, Ping
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RMIO: A Model-Based MARL Framework for Scenarios with Observation Loss in Some Agents
von: Shi, Zifeng, et al.
Veröffentlicht: (2024)

FinPos: A Position-Aware Trading Agent System for Real Financial Markets
von: Liu, Bijia, et al.
Veröffentlicht: (2025)

From Pixels to Cooperation Multi Agent Reinforcement Learning based on Multimodal World Models
von: Akin, Sureyya, et al.
Veröffentlicht: (2025)

Distributed Neural Policy Gradient Algorithm for Global Convergence of Networked Multi-Agent Reinforcement Learning
von: Dai, Pengcheng, et al.
Veröffentlicht: (2025)

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

Transformer World Model for Sample Efficient Multi-Agent Reinforcement Learning
von: Deihim, Azad, et al.
Veröffentlicht: (2025)

ToMacVF : Temporal Macro-action Value Factorization for Asynchronous Multi-Agent Reinforcement Learning
von: Zhang, Wenjing, et al.
Veröffentlicht: (2025)

MARS-DA: A Hierarchical Reinforcement Learning Framework for Risk-Aware Multi-Agent Bidding in Power Grids
von: Chen, Jiayi, et al.
Veröffentlicht: (2026)

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

Subgoal-based Hierarchical Reinforcement Learning for Multi-Agent Collaboration
von: Xu, Cheng, et al.
Veröffentlicht: (2024)

Scalable UAV Multi-Hop Networking via Multi-Agent Reinforcement Learning with Large Language Models
von: Xu, Yanggang, et al.
Veröffentlicht: (2025)

Trajectory-Class-Aware Multi-Agent Reinforcement Learning
von: Na, Hyungho, et al.
Veröffentlicht: (2025)

FINRS: A Risk-Sensitive Trading Framework for Real Financial Markets
von: Liu, Bijia, et al.
Veröffentlicht: (2025)

LLM-ALSO: LLM-Driven Adaptive Learning-Signal Optimization for Multi-Agent Reinforcement Learning
von: Wu, Xiaoguang, et al.
Veröffentlicht: (2026)

Learning Nudges for Conditional Cooperation: A Multi-Agent Reinforcement Learning Model
von: Kulkarni, Shatayu, et al.
Veröffentlicht: (2024)

Multi-Agent Reinforcement Learning for Multi-Cell Spectrum and Power Allocation
von: Zhang, Yiming, et al.
Veröffentlicht: (2023)

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

JointPPO: Diving Deeper into the Effectiveness of PPO in Multi-Agent Reinforcement Learning
von: Liu, Chenxing, et al.
Veröffentlicht: (2024)

Conservative and Risk-Aware Offline Multi-Agent Reinforcement Learning
von: Eldeeb, Eslam, et al.
Veröffentlicht: (2024)

Leveraging Partial Symmetry for Multi-Agent Reinforcement Learning
von: Yu, Xin, et al.
Veröffentlicht: (2023)

Revisiting Communication Efficiency in Multi-Agent Reinforcement Learning from the Dimensional Analysis Perspective
von: Sun, Chuxiong, et al.
Veröffentlicht: (2025)

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

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

Causal-Inspired Multi-Agent Decision-Making via Graph Reinforcement Learning
von: Wang, Jing, et al.
Veröffentlicht: (2025)

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

Hierarchical Multi-Agent Reinforcement Learning-based Coordinated Spatial Reuse for Next Generation WLANs
von: Yu, Jiaming, et al.
Veröffentlicht: (2025)

HYGMA: Hypergraph Coordination Networks with Dynamic Grouping for Multi-Agent Reinforcement Learning
von: Liu, Chiqiang, et al.
Veröffentlicht: (2025)

Dynamic Deep Factor Graph for Multi-Agent Reinforcement Learning
von: Shi, Yuchen, et al.
Veröffentlicht: (2024)

An Agent-Centric Dynamical Systems Perspective on Multi-Agent Reinforcement Learning
von: Rudd-Jones, James, et al.
Veröffentlicht: (2025)

Asynchronous Credit Assignment for Multi-Agent Reinforcement Learning
von: Liang, Yongheng, et al.
Veröffentlicht: (2024)

Learning Latency-Aware Orchestration for Parallel Multi-Agent Systems
von: Shi, Xi, et al.
Veröffentlicht: (2026)

Attention-Guided Contrastive Role Representations for Multi-Agent Reinforcement Learning
von: Hu, Zican, et al.
Veröffentlicht: (2023)

Speaking the Language of Teamwork: LLM-Guided Credit Assignment in Multi-Agent Reinforcement Learning
von: Lin, Muhan, et al.
Veröffentlicht: (2025)

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

Vulnerable Agent Identification in Large-Scale Multi-Agent Reinforcement Learning
von: Li, Simin, et al.
Veröffentlicht: (2025)

YOLO-MARL: You Only LLM Once for Multi-Agent Reinforcement Learning
von: Zhuang, Yuan, et al.
Veröffentlicht: (2024)

Safe Continuous-time Multi-Agent Reinforcement Learning via Epigraph Form
von: Wang, Xuefeng, et al.
Veröffentlicht: (2026)

MABL: Bi-Level Latent-Variable World Model for Sample-Efficient Multi-Agent Reinforcement Learning
von: Venugopal, Aravind, et al.
Veröffentlicht: (2023)

Multi-agent Uncertainty-Aware Pessimistic Model-Based Reinforcement Learning for Connected Autonomous Vehicles
von: Wen, Ruoqi, et al.
Veröffentlicht: (2025)

Towards Language-Augmented Multi-Agent Deep Reinforcement Learning
von: Toquebiau, Maxime, et al.
Veröffentlicht: (2025)