arXiv cs.LG· Zeyuan Zhang, Yiyun Yang, Yuan Cheng, Herbert Zheng Wu, Yusi Chen·· 12 天前AI 评分33
MA-UITD：用于表征连续社交行为的离线多智能体奖励推断
MA-UITD: Offline Multi-Agent Reward Inference for Characterizing Continuous Social Behavior
AI 导读
研究提出离线多智能体奖励推断方法 MA-UITD，无需已知环境动力学或内层策略优化循环，即可从连续状态联合演示中推断智能体特定的显式奖励。该方法结合信念条件后继特征与逆时序差分一致性，支持离散及有界连续动作空间。其在模拟合作与竞争任务中表现超越基线，并成功从社交觅食轨迹中解析出领导者与跟随者的差异化奖励结构。
来源：arXiv cs.LG · arxiv.org