LEARNING📊 0 引用
MA2MB:基于多智能体互建议模型的强化学习在追逃博弈中的应用
Baolin Zhao, Qi Guo, Xiandong Wang, Rachid Hedjam, Guoqiang Zhong
Robotics and Autonomous Systems · 2026
摘要
该论文提出了一种多智能体互建议的模型强化学习方法,用于解决追逃博弈问题。通过智能体间的相互建议机制,提升了模型的学习效率和策略性能。
关键词
multi-agentreinforcement learningpursuit-evasionmodel-basedmutual-advising
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
MANIPULATION
📊 0 引用
PAEAR:基于强化学习的点云区域探索与主动识别方法用于机器人焊接
Yong Tao, Donghua Tan, Fan Ren 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026