Buchumschlag

Optimistic ε-Greedy Exploration for Cooperative Multi-Agent Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Ruoning, Wang, Siying, Chen, Wenyu, Zhou, Yang, Zhao, Zhitong, Zhang, Zixuan, Zhang, Ruijie, Albrecht, Stefano V.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Multiagent Systems Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Double Distillation Network for Multi-Agent Reinforcement Learning
von: Zhou, Yang, et al.
Veröffentlicht: (2025)

Heterogeneous Value Decomposition Policy Fusion for Multi-Agent Cooperation
von: Wang, Siying, et al.
Veröffentlicht: (2025)

Ensemble Value Functions for Efficient Exploration in Multi-Agent Reinforcement Learning
von: Schäfer, Lukas, et al.
Veröffentlicht: (2023)

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

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

Optimistic Multi-Agent Policy Gradient
von: Zhao, Wenshuai, et al.
Veröffentlicht: (2023)

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

Quality-Aware Exploration Budget Allocation for Cooperative Multi-Agent Reinforcement Learning
von: Oh, Dahyun, et al.
Veröffentlicht: (2026)

How Exploration Breaks Cooperation in Shared-Policy Multi-Agent Reinforcement Learning
von: Weng, Yi-Ning, et al.
Veröffentlicht: (2026)

Bottom-Up Reputation Promotes Cooperation with Multi-Agent Reinforcement Learning
von: Ren, Tianyu, et al.
Veröffentlicht: (2025)

Cooperative Hybrid Multi-Agent Pathfinding Based on Shared Exploration Maps
von: Liu, Ning, et al.
Veröffentlicht: (2025)

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

Graphon Mean-Field Control for Cooperative Multi-Agent Reinforcement Learning
von: Hu, Yuanquan, et al.
Veröffentlicht: (2022)

The Composite Task Challenge for Cooperative Multi-Agent Reinforcement Learning
von: Li, Yurui, et al.
Veröffentlicht: (2025)

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

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

${\rm E}(3)$-Equivariant Actor-Critic Methods for Cooperative Multi-Agent Reinforcement Learning
von: Chen, Dingyang, et al.
Veröffentlicht: (2023)

Enhancing Cooperative Multi-Agent Reinforcement Learning with State Modelling and Adversarial Exploration
von: Kontogiannis, Andreas, et al.
Veröffentlicht: (2025)

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

MARLadona -- Towards Cooperative Team Play Using Multi-Agent Reinforcement Learning
von: Li, Zichong, 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)

MARVEL: Multi-Agent Reinforcement Learning for constrained field-of-View multi-robot Exploration in Large-scale environments
von: Chiun, Jimmy, et al.
Veröffentlicht: (2025)

Hierarchical Consensus-Based Multi-Agent Reinforcement Learning for Multi-Robot Cooperation Tasks
von: Feng, Pu, et al.
Veröffentlicht: (2024)

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

An Initial Introduction to Cooperative Multi-Agent Reinforcement Learning
von: Amato, Christopher
Veröffentlicht: (2024)

Interactive Distillation for Cooperative Multi-Agent Reinforcement Learning
von: Cho, Minwoo, et al.
Veröffentlicht: (2026)

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

Attention-Guided Contrastive Role Representations for Multi-Agent Reinforcement Learning
von: Hu, Zican, 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)

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

Mean-Field Approximation of Cooperative Constrained Multi-Agent Reinforcement Learning (CMARL)
von: Mondal, Washim Uddin, et al.
Veröffentlicht: (2022)

Stronger-MAS: Multi-Agent Reinforcement Learning for Collaborative LLMs
von: Zhao, Yujie, et al.
Veröffentlicht: (2025)

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

Cooperation and Fairness in Multi-Agent Reinforcement Learning
von: Aloor, Jasmine Jerry, et al.
Veröffentlicht: (2024)

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

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

Multi-AUV Cooperative Underwater Multi-Target Tracking Based on Dynamic-Switching-enabled Multi-Agent Reinforcement Learning
von: Wang, Shengbo, et al.
Veröffentlicht: (2024)

Aegis: Automated Error Generation and Attribution for Multi-Agent Systems
von: Kong, Fanqi, et al.
Veröffentlicht: (2025)

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

Aligning Individual and Collective Objectives in Multi-Agent Cooperation
von: Li, Yang, et al.
Veröffentlicht: (2024)