arXiv 机器学习· Zeyuan Zhang, Yiyun Yang, Yuan Cheng, Herbert Zheng Wu, Yusi Chen·· 3 小时前AI 评分34
MA-UITD：用于刻画连续社交行为的离线多智能体奖励推断方法
MA-UITD: Offline Multi-Agent Reward Inference for Characterizing Continuous Social Behavior
AI 导读
研究人员提出离线多智能体奖励推断方法 MA-UITD，可在连续状态及离散或连续动作环境下，从联合演示中推断各智能体的显式奖励函数。该方法结合信念条件后继特征与逆时序差分一致性，无需已知环境动力学或内循环策略优化。测试表明 MA-UITD 在合作与竞争模拟任务中超越基线，并能从真实社交觅食轨迹中推断出领导者与跟随者的差异化奖励结构。
来源：arXiv 机器学习 · arxiv.org