多智能体强化学习

解耦通信与策略：带宽受限下的鲁棒多智能体强化学习

该论文针对多智能体强化学习（MARL）中通信带宽受限的挑战，提出了两项创新：一是引入标准化的带宽预算指标β，统一了稀疏性、通信轮次和消息维度；二是设计了SLIM架构，将通信路径与策略的潜在表征解耦，从而在限制带宽的同时保持策略能力。实验表明，该方法在部分可观测的MARL基准测试中达到领先水平，即使在带宽有限时也表现出色，性能下降微乎其微。