Buchumschlag

Descent-Guided Policy Gradient for Scalable Cooperative Multi-Agent Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Shan, Liu, Yang
Format:	Preprint
Veröffentlicht:	2026
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

Learning Generalizable Skills from Offline Multi-Task Data for Multi-Agent Cooperation
von: Liu, Sicong, et al.
Veröffentlicht: (2025)

LLM-Guided Communication for Cooperative Multi-Agent Reinforcement Learning
von: Bae, Sangjun, et al.
Veröffentlicht: (2026)

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

MO-MIX: Multi-Objective Multi-Agent Cooperative Decision-Making With Deep Reinforcement Learning
von: Hu, Tianmeng, et al.
Veröffentlicht: (2026)

Empirical Study on Robustness and Resilience in Cooperative Multi-Agent Reinforcement Learning
von: Li, Simin, et al.
Veröffentlicht: (2025)

Tacit Learning with Adaptive Information Selection for Cooperative Multi-Agent Reinforcement Learning
von: Liu, Lunjun, et al.
Veröffentlicht: (2024)

Innate-Values-driven Reinforcement Learning based Cooperative Multi-Agent Cognitive Modeling
von: Yang, Qin
Veröffentlicht: (2024)

When Is Diversity Rewarded in Cooperative Multi-Agent Learning?
von: Amir, Michael, et al.
Veröffentlicht: (2025)

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

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

Hierarchical Policy-Gradient Reinforcement Learning for Multi-Agent Shepherding Control of Non-Cohesive Targets
von: Covone, Stefano, et al.
Veröffentlicht: (2025)

Fully Decentralized Cooperative Multi-Agent Reinforcement Learning: A Survey
von: Jiang, Jiechuan, et al.
Veröffentlicht: (2024)

ProAgent: Building Proactive Cooperative Agents with Large Language Models
von: Zhang, Ceyao, et al.
Veröffentlicht: (2023)

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

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

A Survey of Multi Agent Reinforcement Learning: Federated Learning and Cooperative and Noncooperative Decentralized Regimes
von: Cheruiyot, Kemboi, et al.
Veröffentlicht: (2025)

Investigating the Impact of Direct Punishment on the Emergence of Cooperation in Multi-Agent Reinforcement Learning Systems
von: Dasgupta, Nayana, et al.
Veröffentlicht: (2023)

Learning to Cooperate with Humans using Generative Agents
von: Liang, Yancheng, et al.
Veröffentlicht: (2024)

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

ToMCAT: Theory-of-Mind for Cooperative Agents in Teams via Multiagent Diffusion Policies
von: Sequeira, Pedro, et al.
Veröffentlicht: (2025)

POGEMA: A Benchmark Platform for Cooperative Multi-Agent Pathfinding
von: Skrynnik, Alexey, et al.
Veröffentlicht: (2024)

Causally-Guided Automated Feature Engineering with Multi-Agent Reinforcement Learning
von: Malarkkan, Arun Vignesh, et al.
Veröffentlicht: (2026)

Cooperative Game-Theoretic Credit Assignment for Multi-Agent Policy Gradients via the Core
von: Ji, Mengda, 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)

LERO: LLM-driven Evolutionary framework with Hybrid Rewards and Enhanced Observation for Multi-Agent Reinforcement Learning
von: Wei, Yuan, et al.
Veröffentlicht: (2025)

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

MAGIC-MASK: Multi-Agent Guided Inter-Agent Collaboration with Mask-Based Explainability for Reinforcement Learning
von: Maliha, Maisha, et al.
Veröffentlicht: (2025)

Imagine, Initialize, and Explore: An Effective Exploration Method in Multi-Agent Reinforcement Learning
von: Liu, Zeyang, et al.
Veröffentlicht: (2024)

TAPE: Leveraging Agent Topology for Cooperative Multi-Agent Policy Gradient
von: Lou, Xingzhou, et al.
Veröffentlicht: (2023)

Hierarchical Reinforcement Learning for Optimal Agent Grouping in Cooperative Systems
von: Hu, Liyuan
Veröffentlicht: (2025)

KernelSkill: A Multi-Agent Framework for GPU Kernel Optimization
von: Sun, Qitong, et al.
Veröffentlicht: (2026)

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

Distributed Deep Reinforcement Learning: A Survey and A Multi-Player Multi-Agent Learning Toolbox
von: Yin, Qiyue, et al.
Veröffentlicht: (2022)

Active Learning for Communication Structure Optimization in LLM-Based Multi-Agent Systems
von: Yang, Huchen, et al.
Veröffentlicht: (2026)

Cooperative Bayesian Optimization for Imperfect Agents
von: Khoshvishkaie, Ali, et al.
Veröffentlicht: (2024)

Low-Rank Agent-Specific Adaptation (LoRASA) for Multi-Agent Policy Learning
von: Zhang, Beining, et al.
Veröffentlicht: (2025)

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

Scalable Multi-Agent Reinforcement Learning for Warehouse Logistics with Robotic and Human Co-Workers
von: Krnjaic, Aleksandar, et al.
Veröffentlicht: (2022)

GHQ: Grouped Hybrid Q Learning for Heterogeneous Cooperative Multi-agent Reinforcement Learning
von: Yu, Xiaoyang, et al.
Veröffentlicht: (2023)

Heterogeneous Multi-Agent Reinforcement Learning for Zero-Shot Scalable Collaboration
von: Guo, Xudong, et al.
Veröffentlicht: (2024)