Buchumschlag

Quality-Aware Exploration Budget Allocation for Cooperative Multi-Agent Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Oh, Dahyun, Yoon, Minhyuk, Kim, H. Jin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Multiagent Systems Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cooperative Informative Sensing for Monitoring Dynamic Indoor Environments via Multi-Agent Reinforcement Learning
von: Lee, Kanghoon, et al.
Veröffentlicht: (2026)

BAMAS: Structuring Budget-Aware Multi-Agent Systems
von: Yang, Liming, et al.
Veröffentlicht: (2025)

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)

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

Fair Compromises in Participatory Budgeting: a Multi-Agent Deep Reinforcement Learning Approach
von: Adams, Hugh, et al.
Veröffentlicht: (2025)

Budget Allocation Policies for Real-Time Multi-Agent Path Finding
von: Beck, Raz, et al.
Veröffentlicht: (2025)

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

Graph Based Deep Reinforcement Learning Aided by Transformers for Multi-Agent Cooperation
von: Elrod, Michael, et al.
Veröffentlicht: (2025)

Joint Intrinsic Motivation for Coordinated Exploration in Multi-Agent Deep Reinforcement Learning
von: Toquebiau, Maxime, et al.
Veröffentlicht: (2024)

Distributionally Robust Cooperative Multi-Agent Reinforcement Learning via Robust Value Factorization
von: Qu, Chengrui, et al.
Veröffentlicht: (2026)

Multi-Agent Target Assignment and Path Finding for Intelligent Warehouse: A Cooperative Multi-Agent Deep Reinforcement Learning Perspective
von: Liu, Qi, et al.
Veröffentlicht: (2024)

Coevolving with the Other You: Fine-Tuning LLM with Sequential Cooperative Multi-Agent Reinforcement Learning
von: Ma, Hao, et al.
Veröffentlicht: (2024)

Cooperative Flexibility Exchange: Fair and Comfort-Aware Decentralized Resource Allocation
von: Khalid, Rabiya, et al.
Veröffentlicht: (2025)

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

Communication Gain and Delay Cost Under Cross-Timestep Delays in Cooperative Multi-Agent Reinforcement Learning
von: Gao, Zihong, et al.
Veröffentlicht: (2026)

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

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

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

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

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

Heterogeneity in Multi-Agent Reinforcement Learning
von: Hu, Tianyi, et al.
Veröffentlicht: (2025)

PyTSC: A Unified Platform for Multi-Agent Reinforcement Learning in Traffic Signal Control
von: Bokade, Rohit, et al.
Veröffentlicht: (2024)

Scalable Safe Multi-Agent Reinforcement Learning for Multi-Agent System
von: Du, Haikuo, et al.
Veröffentlicht: (2025)

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

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

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

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

An Improved Multi-Agent Algorithm for Cooperative and Competitive Environments by Identifying and Encouraging Cooperation among Agents
von: Qi, Junjie, et al.
Veröffentlicht: (2025)

A Local Information Aggregation based Multi-Agent Reinforcement Learning for Robot Swarm Dynamic Task Allocation
von: Lv, Yang, et al.
Veröffentlicht: (2024)

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

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

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

Measuring Policy Distance for Multi-Agent Reinforcement Learning
von: Hu, Tianyi, et al.
Veröffentlicht: (2024)

Multi-Agent Reinforcement Learning with Communication-Constrained Priors
von: Yang, Guang, et al.
Veröffentlicht: (2025)

Causal Mean Field Multi-Agent Reinforcement Learning
von: Ma, Hao, 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)

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

Multi-source Plume Tracing via Multi-Agent Reinforcement Learning
von: Granadeno, Pedro Antonio Alarcon, et al.
Veröffentlicht: (2025)

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