論文の概要: Cooperative Multi-Agent Reinforcement Learning via Epigraph-Form Guided Exploration

• arxiv url: http://arxiv.org/abs/2611.07066v1
• Date: Wed, 04 Nov 2026 19:24:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.436418
• Title: Cooperative Multi-Agent Reinforcement Learning via Epigraph-Form Guided Exploration
• Title（参考訳）: エピグラフ型ガイド探索による協調的マルチエージェント強化学習
• Abstract要約: 固有の報酬は発見を助けるために使われることが多いが、チーム目標と鼻で組み合わせることで学習信号を歪めることができる。 EFXPLORERは,既存のタスク性能を維持する制約対象の探索を最大化する,制約付き探索フレームワークである。
• 参考スコア（独自算出の注目度）: 18.641476338943324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Discovering cooperative behavior in multi-agent reinforcement learning (MARL) is challenging due to the combinatorial complexity of joint state-action spaces, which hinders the emergence of coordinated behaviors from trial-and-error alone. Intrinsic rewards are often used to aid discovery, but naively combining them with team objectives can distort the learning signal, compromising task performance. In this paper, we propose EFXPLORER, a constrained exploration framework that maximizes exploration objectives subject to a constraint that preserves established task performance. We solve the resulting problem using an epigraph reformulation that introduces adaptive exploration budgets. This approach separates intrinsic rewards from task objectives and regulates exploration through task feasibility. To further encourage diverse and temporally extended exploration, we incorporate a successor distance-based intrinsic reward that captures long-horizon dependencies. Empirically, our method outperforms strong baselines and induces novel cooperative strategies across SMAX, VMAS, and MPE benchmark suites.
• Abstract（参考訳）: 多エージェント強化学習(MARL)における協調行動の発見は、共同状態行動空間の複合的複雑さのため困難であり、これは試行錯誤単独による協調行動の出現を妨げる。 固有の報酬は発見を助けるために使われることが多いが、チーム目標と鼻で組み合わせることで、学習信号を歪め、タスクのパフォーマンスを損なうことができる。 本稿では,既存のタスク性能を維持する制約を受ける探索目標を最大化する制約付き探索フレームワークであるEFXPLORERを提案する。 本稿では,適応的な調査予算を導入するエピグラフ改定法を用いて,この問題を解決した。 このアプローチは、本質的な報酬をタスク目標から切り離し、タスク実現可能性による探索を規制する。 さらに多種多様で時間的に拡張された探索を奨励するために、長距離依存を捉えた後続の距離に基づく本質的な報酬を取り入れた。 提案手法は,SMAX,VMAS,MPEベンチマークスイートにまたがって,強力なベースラインを達成し,新たな協調戦略を導出する。

関連論文リスト

• Explore with Long-term Memory: A Benchmark and Multimodal LLM-based Reinforcement Learning Framework for Embodied Exploration [52.35887679314727]
  長期記憶身体探索は、エージェントの探索的認知と意思決定行動を統合することを目的としている。 エージェントのメモリリコールとプロアクティブな探索能力を高めるため,我々はMemoryExplorerを提案する。
  論文  参考訳（メタデータ） (2026-01-11T16:23:22Z)
• MIR: Efficient Exploration in Episodic Multi-Agent Reinforcement Learning via Mutual Intrinsic Reward [14.959716217301368]
  本稿では,強化学習のための簡易かつ効果的な強化戦略であるMIRを紹介する。 MIRは、個々のエージェントに対して、チームメイトに影響を与えるアクションを探求するインセンティブを与え、元の戦略と組み合わせることで、チームの探索を効果的に刺激し、アルゴリズムのパフォーマンスを改善する。 評価式は,MiniGrid-MA設定における最先端手法に対する提案手法と比較し,優れたPerfor-manceを示す実験結果と比較した。
  論文  参考訳（メタデータ） (2025-11-21T11:32:28Z)
• Joint Intrinsic Motivation for Coordinated Exploration in Multi-Agent Deep Reinforcement Learning [0.0]
  本稿では,エージェントが一括して斬新な行動を示すような報奨戦略を提案する。 ジムは連続した環境で機能するように設計されたノベルティの集中的な尺度に基づいて共同軌道に報いる。 その結果、最適戦略が高レベルの調整を必要とするタスクの解決には、共同探索が不可欠であることが示唆された。
  論文  参考訳（メタデータ） (2024-02-06T13:02:00Z)
• Intrinsic Language-Guided Exploration for Complex Long-Horizon Robotic Manipulation Tasks [12.27904219271791]
  現在の強化学習アルゴリズムは、スパースで複雑な環境で苦労している。 Intrinsically Guided Exploration from Large Language Models (IGE-LLMs) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-28T11:14:52Z)
• Semantically Aligned Task Decomposition in Multi-Agent Reinforcement Learning [56.26889258704261]
  我々は,MARL(SAMA)における意味的アライズされたタスク分解という,新しい「不整合」意思決定手法を提案する。 SAMAは、潜在的な目標を示唆し、適切な目標分解とサブゴールアロケーションを提供するとともに、自己回帰に基づくリプランニングを提供する、チェーン・オブ・シントによる事前訓練された言語モデルを促進する。 SAMAは, 最先端のASG法と比較して, 試料効率に有意な優位性を示す。
  論文  参考訳（メタデータ） (2023-05-18T10:37:54Z)
• Learning Reward Machines in Cooperative Multi-Agent Tasks [75.79805204646428]
  本稿では,MARL(Multi-Agent Reinforcement Learning)に対する新しいアプローチを提案する。 これは、協調的なタスク分解と、サブタスクの構造をコードする報酬機(RM)の学習を組み合わせる。 提案手法は、部分的に観測可能な環境下での報酬の非マルコフ的性質に対処するのに役立つ。
  論文  参考訳（メタデータ） (2023-03-24T15:12:28Z)
• Episodic Multi-agent Reinforcement Learning with Curiosity-Driven Exploration [40.87053312548429]
  EMCと呼ばれる好奇心を駆使した新しい多エージェント強化学習について紹介する。 我々は,個別Q値の予測誤差を協調探索の本質的な報奨として使用し,エピソードメモリを用いて探索的な情報的経験を利用して政策訓練を促進する。
  論文  参考訳（メタデータ） (2021-11-22T07:34:47Z)
• Cooperative Exploration for Multi-Agent Deep Reinforcement Learning [127.4746863307944]
  深層強化学習のための協調型マルチエージェント探索(CMAE)を提案する。 ゴールは正規化エントロピーに基づく手法により、複数の射影状態空間から選択される。 CMAEが様々なタスクのベースラインを一貫して上回っていることを実証する。
  論文  参考訳（メタデータ） (2021-07-23T20:06:32Z)
• UneVEn: Universal Value Exploration for Multi-Agent Reinforcement Learning [53.73686229912562]
  我々はUniversal Value Exploration(UneVEn)と呼ばれる新しいMARLアプローチを提案する。 UneVEnは、一連の関連するタスクと、普遍的な後継機能の線形分解を同時に学習する。 一連の探索ゲームにおける実証的な結果、エージェント間の重要な調整を必要とする協調捕食・捕食作業への挑戦、およびStarCraft IIのマイクロマネジメントベンチマークは、UneVEnが他の最先端のMARLメソッドが失敗するタスクを解決できることを示している。
  論文  参考訳（メタデータ） (2020-10-06T19:08:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。