【转载】面向多任务的多智能体强化学习理论与应用

地址：

http://www.ia.cas.cn/kygz/zdxm/202203/t20220324_6403039.html

---

面向多任务的多智能体强化学习理论与应用

【关键词】 新型智能控制；新型智能理论；新型智能模型；新型智能应用；深度强化学习

深度强化学习方法取得了人工智能领域一个个里程碑式的成果，如视频游戏、围棋、国际象棋等完全信息博弈，麻将和星际争霸等更复杂场景下的不完全信息博弈，带动了广泛基础学科的发展和纵深应用领域的技术进步。然而，现实世界的更多问题是面向多任务的多智能体的机器博弈，是人工智能领域的下一项重大挑战。因此，本项目研究内容包括：1) 研究多智能体深度强化学习的收敛性、稳定性和鲁棒性理论，奠定理论基础；2) 研究面向多任务的智能体同构/异构、数量可变和拓扑结构可扩展的学习架构；3) 高维状态动作空间随智能体数量指数增长，研究高效动作空间分解的策略优化方法；4) 不完全信息博弈是显著特点，研究队友间的高效通信方法和环境/对手信息的有效估计表达；5) 研究从仿真场景下小样本的博弈均衡问题，到实体迁移的安全性问题；6) 最后从仿真（游戏博弈）到实体（机器人博弈）验证所提出的面向多任务的多智能体深度强化学习理论和应用。