Ny metod löser instabilitetsproblem i träning av flera AI-agenter samtidigt

arXiv cs.AI

Forskare presenterar NePPO, en ny träningsmetod för multi-agent reinforcement learning (där flera AI-agenter lär sig samtidigt i samma miljö) som bättre hanterar situationer där agenter har delvis motstridiga mål. Kärntricket är att hitta en gemensam 'potentialfunktion' som approximerar ett Nash-jämviktsläge (det stabila tillstånd där ingen agent tjänar på att ändra sin strategi) för hela systemet. I tester presterar NePPO bättre än de populära baslinjemodellerna IPPO och MAPPO.