Buchumschlag

A Survey of Multi-Agent Deep Reinforcement Learning with Graph Neural Network-Based Communication

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cuzin-Rambaud, Valentin, Matignon, Laetitia, Morge, Maxime
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Representation Learning For Efficient Deep Multi-Agent Reinforcement Learning
von: Huh, Dom, et al.
Veröffentlicht: (2024)

Distributed Multi-Agent Reinforcement Learning Based on Graph-Induced Local Value Functions
von: Jing, Gangshan, et al.
Veröffentlicht: (2022)

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

Multi-Agent Reinforcement Learning for Resources Allocation Optimization: A Survey
von: Hady, Mohamad A., et al.
Veröffentlicht: (2025)

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

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

Deep Reinforcement Learning for Multi-Agent Coordination
von: Aina, Kehinde O., et al.
Veröffentlicht: (2025)

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

Reinforcement Networks: novel framework for collaborative Multi-Agent Reinforcement Learning tasks
von: Kryzhanovskiy, Maksim, et al.
Veröffentlicht: (2025)

NeuroMAS: Multi-Agent Systems as Neural Networks with Joint Reinforcement Learning
von: Lu, Haoran, et al.
Veröffentlicht: (2026)

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

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

Optimizing Crowd-Aware Multi-Agent Path Finding through Local Communication with Graph Neural Networks
von: Pham, Phu, et al.
Veröffentlicht: (2023)

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

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

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

A Model-Based Solution to the Offline Multi-Agent Reinforcement Learning Coordination Problem
von: Barde, Paul, et al.
Veröffentlicht: (2023)

Goal-Oriented Multi-Agent Reinforcement Learning for Decentralized Agent Teams
von: Du, Hung, et al.
Veröffentlicht: (2025)

Interaction Pattern Disentangling for Multi-Agent Reinforcement Learning
von: Liu, Shunyu, et al.
Veröffentlicht: (2022)

BenchMARL: Benchmarking Multi-Agent Reinforcement Learning
von: Bettini, Matteo, et al.
Veröffentlicht: (2023)

Towards Fault Tolerance in Multi-Agent Reinforcement Learning
von: Shi, Yuchen, et al.
Veröffentlicht: (2024)

Multi-Agent Car Parking using Reinforcement Learning
von: Tanner, Omar
Veröffentlicht: (2022)

Learning Team-Based Navigation: A Review of Deep Reinforcement Learning Techniques for Multi-Agent Pathfinding
von: Chung, Jaehoon, et al.
Veröffentlicht: (2023)

Challenges in Credit Assignment for Multi-Agent Reinforcement Learning in Open Agent Systems
von: Abadi, Alireza Saleh, et al.
Veröffentlicht: (2025)

Expert-Free Online Transfer Learning in Multi-Agent Reinforcement Learning
von: Castagna, Alberto
Veröffentlicht: (2025)

Pairwise is Not Enough: Hypergraph Neural Networks for Multi-Agent Pathfinding
von: Jain, Rishabh, et al.
Veröffentlicht: (2026)

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

Prism: Spectral Parameter Sharing for Multi-Agent Reinforcement Learning
von: Kim, Kyungbeom, et al.
Veröffentlicht: (2026)

Interpretable Failure Analysis in Multi-Agent Reinforcement Learning Systems
von: Shefin, Risal Shahriar, et al.
Veröffentlicht: (2026)

Reward-Independent Messaging for Decentralized Multi-Agent Reinforcement Learning
von: Yoshida, Naoto, et al.
Veröffentlicht: (2025)

Decentralizing Multi-Agent Reinforcement Learning with Temporal Causal Information
von: Corazza, Jan, et al.
Veröffentlicht: (2025)

Selective Reincarnation: Offline-to-Online Multi-Agent Reinforcement Learning
von: Formanek, Claude, et al.
Veröffentlicht: (2023)

Turn-based Multi-Agent Reinforcement Learning Model Checking
von: Gross, Dennis
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning Meets Leaf Sequencing in Radiotherapy
von: Gao, Riqiang, et al.
Veröffentlicht: (2024)

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

Trust-based Consensus in Multi-Agent Reinforcement Learning Systems
von: Fung, Ho Long, et al.
Veröffentlicht: (2022)

Putting Data at the Centre of Offline Multi-Agent Reinforcement Learning
von: Formanek, Claude, et al.
Veröffentlicht: (2024)

Dynamic Sight Range Selection in Multi-Agent Reinforcement Learning
von: Liao, Wei-Chen, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning with a Hierarchy of Reward Machines
von: Zheng, Xuejing, et al.
Veröffentlicht: (2024)