Projekteja vuodessa
Abstrakti
Relative overgeneralization (RO) occurs in cooperative multi-agent learning tasks when agents converge towards a suboptimal joint policy due to overfitting to suboptimal behaviors of other agents.No methods have been proposed for addressing RO in multi-agent policy gradient (MAPG) methods although these methods produce state-of-the-art results.To address this gap, we propose a general, yet simple, framework to enable optimistic updates in MAPG methods that alleviate the RO problem.Our approach involves clipping the advantage to eliminate negative values, thereby facilitating optimistic updates in MAPG.The optimism prevents individual agents from quickly converging to a local optimum.Additionally, we provide a formal analysis to show that the proposed method retains optimality at a fixed point.In extensive evaluations on a diverse set of tasks including the Multi-agent MuJoCo and Overcooked benchmarks, our method outperforms strong baselines on 13 out of 19 tested tasks and matches the performance on the rest.
Alkuperäiskieli | Englanti |
---|---|
Sivut | 61186-61202 |
Sivumäärä | 17 |
Julkaisu | Proceedings of Machine Learning Research |
Vuosikerta | 235 |
Tila | Julkaistu - 2024 |
OKM-julkaisutyyppi | A4 Artikkeli konferenssijulkaisussa |
Tapahtuma | International Conference on Machine Learning - Vienna, Itävalta Kesto: 21 heinäk. 2024 → 27 heinäk. 2024 Konferenssinumero: 41 |
Sormenjälki
Sukella tutkimusaiheisiin 'Optimistic Multi-Agent Policy Gradient'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.-
MARL: Efficient and Principled Multi-Agent Reinforcement Learning
Pajarinen, J. (Vastuullinen tutkija), Yang, W. (Projektin jäsen), Zhao, W. (Projektin jäsen) & Tuomisto, J. (Projektin jäsen)
01/09/2023 → 31/08/2027
Projekti: Academy of Finland: Other research funding
-
Energy efficient machine perception /Kannala 31.12.2025: Energy efficient perception
Kannala, J. (Vastuullinen tutkija), Turkulainen, M. (Projektin jäsen), Fang, J. (Projektin jäsen), Zhang, Y. (Projektin jäsen) & Ferranti, L. (Projektin jäsen)
01/01/2023 → 31/12/2025
Projekti: Academy of Finland: Other research funding
-
REPEAT: Autonomisten laitteiden luotettava ja tehokas tietokonenäkö
Kannala, J. (Vastuullinen tutkija), Ye, R. (Projektin jäsen), Boney, R. (Projektin jäsen), Li, X. (Projektin jäsen), Melekhov, I. (Projektin jäsen), Fang, J. (Projektin jäsen), Zhang, Y. (Projektin jäsen) & Krahn, M. (Projektin jäsen)
01/01/2020 → 30/09/2023
Projekti: Academy of Finland: Other research funding