Buchumschlag

A Comprehensive Review of Multi-Agent Reinforcement Learning in Video Games

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zhengyang, Ji, Qijin, Ling, Xinghong, Liu, Quan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-Agent Reinforcement Learning in Intelligent Transportation Systems: A Comprehensive Survey
von: Donatus, Rexcharles, et al.
Veröffentlicht: (2025)

Video Game Level Design as a Multi-Agent Reinforcement Learning Problem
von: Earle, Sam, et al.
Veröffentlicht: (2025)

Value-Based Deep Multi-Agent Reinforcement Learning with Dynamic Sparse Training
von: Hu, Pihe, et al.
Veröffentlicht: (2024)

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

Advancements and Challenges in Continual Reinforcement Learning: A Comprehensive Review
von: Zuffer, Amara, et al.
Veröffentlicht: (2025)

Decentralized Multi-Agent Reinforcement Learning for Continuous-Space Stochastic Games
von: Altabaa, Awni, et al.
Veröffentlicht: (2023)

Risk Sensitivity in Markov Games and Multi-Agent Reinforcement Learning: A Systematic Review
von: Ghaemi, Hafez, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Efficient Toxicity Detection in Competitive Online Video Games
von: Morrier, Jacob, et al.
Veröffentlicht: (2025)

Minimax-Optimal Multi-Agent Robust Reinforcement Learning
von: Jiao, Yuchen, et al.
Veröffentlicht: (2024)

Combining Reinforcement Learning and Behavior Trees for NPCs in Video Games with AMD Schola
von: Liu, Tian, et al.
Veröffentlicht: (2025)

MasHost Builds It All: Autonomous Multi-Agent System Directed by Reinforcement Learning
von: Yang, Kuo, et al.
Veröffentlicht: (2025)

Agents Play Thousands of 3D Video Games
von: Xu, Zhongwen, et al.
Veröffentlicht: (2025)

SPIRAL: Self-Play on Zero-Sum Games Incentivizes Reasoning via Multi-Agent Multi-Turn Reinforcement Learning
von: Liu, Bo, et al.
Veröffentlicht: (2025)

Attacking Cooperative Multi-Agent Reinforcement Learning by Adversarial Minority Influence
von: Li, Simin, et al.
Veröffentlicht: (2023)

Satisficing Paths and Independent Multi-Agent Reinforcement Learning in Stochastic Games
von: Yongacoglu, Bora, et al.
Veröffentlicht: (2021)

Adaptability in Multi-Agent Reinforcement Learning: A Framework and Unified Review
von: Hu, Siyi, et al.
Veröffentlicht: (2025)

Reinforcement Learning Agent for a 2D Shooter Game
von: Ackermann, Thomas, et al.
Veröffentlicht: (2025)

Learning Representations in Video Game Agents with Supervised Contrastive Imitation Learning
von: Celemin, Carlos, et al.
Veröffentlicht: (2025)

A Comprehensive Evaluation of LLM Reasoning: From Single-Model to Multi-Agent Paradigms
von: Li, Yapeng, et al.
Veröffentlicht: (2026)

HCPO: Hierarchical Conductor-Based Policy Optimization in Multi-Agent Reinforcement Learning
von: Liu, Zejiao, et al.
Veröffentlicht: (2025)

Learning Strategy Representation for Imitation Learning in Multi-Agent Games
von: Lei, Shiqi, et al.
Veröffentlicht: (2024)

Principal-Agent Bandit Games with Self-Interested and Exploratory Learning Agents
von: Liu, Junyan, et al.
Veröffentlicht: (2024)

Cross-Modal Navigation with Multi-Agent Reinforcement Learning
von: Liu, Shuo, et al.
Veröffentlicht: (2026)

Robust Multi-Agent Reinforcement Learning by Mutual Information Regularization
von: Li, Simin, et al.
Veröffentlicht: (2023)

Fixing Incomplete Value Function Decomposition for Multi-Agent Reinforcement Learning
von: Baisero, Andrea, et al.
Veröffentlicht: (2025)

Fully Decentralized Cooperative Multi-Agent Reinforcement Learning is A Context Modeling Problem
von: Li, Chao, et al.
Veröffentlicht: (2025)

Adversarial Inverse Reinforcement Learning for Mean Field Games
von: Chen, Yang, et al.
Veröffentlicht: (2021)

Fully Independent Communication in Multi-Agent Reinforcement Learning
von: Pina, Rafael, et al.
Veröffentlicht: (2024)

Addressing Rotational Learning Dynamics in Multi-Agent Reinforcement Learning
von: Sidahmed, Baraah A. M., et al.
Veröffentlicht: (2024)

Multi-Agent Reinforcement Learning for Adaptive Resource Orchestration in Cloud-Native Clusters
von: Yao, Guanzi, et al.
Veröffentlicht: (2025)

MARLIN: Multi-Agent Game-Theoretic Reinforcement Learning for Sustainable LLM Inference in Cloud Datacenters
von: Moore, H., et al.
Veröffentlicht: (2026)

On Feasible Rewards in Multi-Agent Inverse Reinforcement Learning
von: Freihaut, Till, et al.
Veröffentlicht: (2024)

Randomized Exploration in Cooperative Multi-Agent Reinforcement Learning
von: Hsu, Hao-Lun, et al.
Veröffentlicht: (2024)

Towards Sample-Efficiency and Generalization of Transfer and Inverse Reinforcement Learning: A Comprehensive Literature Review
von: Hassani, Hossein, et al.
Veröffentlicht: (2024)

Multi-Agent Reinforcement Learning for Intraday Operating Rooms Scheduling under Uncertainty
von: Liu, Kailiang, et al.
Veröffentlicht: (2025)

Do Two AI Scientists Agree?
von: Fu, Xinghong, et al.
Veröffentlicht: (2025)

Multi-agent Reinforcement Learning: A Comprehensive Survey
von: Huh, Dom, et al.
Veröffentlicht: (2023)

Reinforced Collaboration in Multi-Agent Flow Networks
von: Wang, Zheng, et al.
Veröffentlicht: (2026)

Language Agents with Reinforcement Learning for Strategic Play in the Werewolf Game
von: Xu, Zelai, et al.
Veröffentlicht: (2023)

DIDI: Diffusion-Guided Diversity for Offline Behavioral Generation
von: Liu, Jinxin, et al.
Veröffentlicht: (2024)