OMAF 用一步流策略替代扩散策略,在多智能体任务上取得最高 3.4 倍回报与 10.5 倍样本效率提升
该工作提出在线多智能体强化学习框架 OMAF,用基于 Transformer 的一步流策略替代需要迭代采样的扩散策略,并配合近似路径得分代理与 softmax Q 值联合优化,在 MPE 与 MAMuJoCo 的 10 个标准任务上取得最高 3.4 倍回报和 10.5 倍样本效率提升。
该工作提出在线多智能体强化学习框架 OMAF,用基于 Transformer 的一步流策略替代需要迭代采样的扩散策略,并配合近似路径得分代理与 softmax Q 值联合优化,在 MPE 与 MAMuJoCo 的 10 个标准任务上取得最高 3.4 倍回报和 10.5 倍样本效率提升。
已读完全部报道