arXiv cs.AI@Alexi Canesse, Benoît Goupil, Jesse Read, Sonia Vanier精选58多智能体强化学习（MARL）中，通信是实现协作的关键，但许多实际应用（如无人机群搜索救援）面临严重的带宽限制。现有通信架构通常将共享潜在表示同时用于策略执行和智能体间通信，导致减少消息大小会直接限制策略的潜在空间，造成性能显著下降。本文提出两个贡献：一是引入归一化的每智能体带宽预算 β，统一了稀疏性、轮次和消息维度；二是提出 SLIM 架构，将通信路径与策略的潜在表示解耦，从而隔离带宽对策略容量的影响。实验表明，SLIM 在多个部分可观测的 MARL 基准上达到最先进性能，并在带宽减少时仅出现轻微性能下降，展现出良好的可扩展性和鲁棒性。论文多智能体强化学习带宽约束通信解耦SLIM鲁棒性推荐理由：做多智能体系统或机器人集群的团队，终于有了一个能直接应对带宽瓶颈的架构——SLIM 解耦通信与策略，带宽砍半性能也不崩，值得在无人机或边缘设备场景里试试。