#MARL

一篇多智能体强化学习论文，教你怎么让多个智能体在纳什均衡约束下各自完成时序目标，还有收敛性证明和8个博弈的实验。

训练多智能体最烦手动调多样性参数，这篇把经典控制论的 ESC 搬进 MARL，只用回报信号就能自动找到合适的多样性水平，做协作 RL 的可以看看。

自动驾驶车抢路会让人类司机变慢，这篇论文在 MARL 奖励里加了个边际成本项，实验里人类司机受影响从 1.7% 降到 1.1%，做交通仿真的可以看看。

多智能体协作一直难在联合动作的相互影响上，这篇提出了首个给多智能体流策略做测试时规划的世界模型，30 个设置平均提升 22% 还只慢 12 毫秒，做 MARL 的可以看看。

苏黎世团队联合瑞士国铁做了个铁路维护的 MARL 框架，小网络上训练完直接零样本搬到大规模网络，不用重训还比基线省时间。

想弄明白为啥机器人从简单奖励就能自动集群？这篇用ARM工具看到机器人内部学到的几何场，合作和对抗场景都适用。

ASALT这个新方法解决了MARL中状态空间维度不同时知识迁移的难题，实验效果不错，值得做多智能体迁移学习的同学看看。

这篇论文解决了多智能体强化学习中模型失配的难题，用分布鲁棒均值场博弈给出了严格的理论证明和算法，还给了误差界，搞博弈论和鲁棒优化的值得看。