PLATO: Un Approccio Basato su Reti Pointer per Sistemi Multi-Agente Aperti
Un nuovo articolo introduce PLATO (Pointer Learner for Agent and Task Openness), un framework di apprendimento per rinforzo multi-agente progettato per sistemi aperti in cui gli insiemi di agenti e compiti cambiano in modo imprevedibile. I metodi esistenti come padding e masking impongono limiti artificiali, mentre gli approcci basati su grafi gestiscono solo una dimensione dell'apertura. PLATO combina un attore basato su reti pointer con un critico centralizzato basato su reti neurali a grafo, addestrato tramite ottimizzazione prossimale multi-agente sotto addestramento centralizzato ed esecuzione decentralizzata. L'attore pointer produce direttamente distribuzioni sui compiti correnti, consentendo l'adattamento a insiemi variabili di agenti e compiti senza spazi di stato o azione fissi. L'articolo è disponibile su arXiv con ID 2607.25082.
Fatti principali
- PLATO sta per Pointer Learner for Agent and Task Openness.
- Affronta l'apertura degli agenti e l'apertura dei compiti nell'apprendimento per rinforzo multi-agente.
- Il framework utilizza un attore basato su reti pointer e un critico GNN centralizzato.
- L'addestramento utilizza l'ottimizzazione prossimale multi-agente.
- Opera sotto addestramento centralizzato ed esecuzione decentralizzata.
- Metodi esistenti come padding e masking impongono limiti artificiali.
- I metodi basati su grafi gestiscono solo una dimensione dell'apertura.
- L'articolo è pubblicato su arXiv con ID 2607.25082.
Entità
Istituzioni
- arXiv