09:40
官方账号arXiv cs.AI@Gil Lifshits, Igal Bilik, Gilad Katz
推荐理由：一篇新论文提出了MAPS架构，用层次化强化学习解决无信号交叉口的多车协调问题，在72种场景下实现无碰撞且更快通行，还能零样本从3车迁移到5车，效果很扎实。
MAPS
共 1 条相关 AI 资讯
7月24日
09:40
针对多智能体强化学习（MARL）在无信号交叉口面临的组合动作空间和特权信息依赖问题，研究者提出Master-Agent Proto-plan System（MAPS）。该系统通过中央Master生成紧凑连续嵌入（proto-plan）编码全局策略，Worker基于局部观测和嵌入执行控制。在HighwayEnv的72种交叉口配置中，MAPS实现无碰撞导航并显著降低平均旅行时间。训练3个智能体的系统在零样本部署到5个智能体场景时成功率达94%，验证了proto-plan层次化学习的泛化能力。