VG-ADP:基于价值引导与扩散对抗的模仿学习方法

引言

面对具有严重次优性、复杂噪声以及策略不一致的多源轨迹数据，传统的多智能体行为克隆方法难以有效提取高回报的协同动作区域，极易收敛至无任务解决能力的次优解或导致策略彻底失效。相比之下，基于扩散生成与对抗机制的模仿学习方法，凭借其对复杂联合数据分布的高阶匹配与多峰拟合能力，成为处理该类问题的理想范式。然而，现有生成类方法在多智能体高动态场景中，往往受限于探索的盲目性与训练的不稳定性，难以直接生成高精度的协同动作。

本文详细内容请下载：

http://www.chinaaet.com/resource/share/2000007265

投稿邮箱：ICAPP@belling.com.cn

作者信息：

唐坤1，王东升1，韩兴豪2，薄其乐1，王黎铭1，潘舒1

(1.江苏科技大学计算机学院，江苏镇江212000；

2.江苏自动化所，江苏连云港222006)