Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.02948

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2508.02948 (cs)
[提交于 2025年8月4日 ]

标题: 在线模型不确定性下的鲁棒多智能体强化学习

标题: Online Robust Multi-Agent Reinforcement Learning under Model Uncertainties

Authors:Zain Ulabedeen Farhat, Debamita Ghosh, George K. Atia, Yue Wang
摘要: 经过良好训练的多智能体系统在部署到现实环境时可能会失败,这是由于训练和部署环境之间的模型不匹配,这种不匹配是由环境不确定性(包括噪声或对抗性攻击)引起的。分布鲁棒马尔可夫博弈(DRMGs)通过在定义的一组环境不确定性上优化最坏情况性能来增强系统弹性。然而,当前方法受到对模拟器或大型离线数据集的依赖限制,而这些数据通常不可用。本文开创性地研究了DRMGs中的在线学习,其中智能体直接从环境交互中学习,而无需先验数据。我们引入了{\it 鲁棒乐观纳什值迭代(RONAVI)}算法,并为此设置提供了第一个可证明的保证。我们的理论分析表明,该算法实现了低遗憾,并有效地找到了由总变化散度和Kullback-Leibler散度测量的不确定性集的最优鲁棒策略。这些结果为开发真正稳健的多智能体系统建立了一条新的、实用的路径。
摘要: Well-trained multi-agent systems can fail when deployed in real-world environments due to model mismatches between the training and deployment environments, caused by environment uncertainties including noise or adversarial attacks. Distributionally Robust Markov Games (DRMGs) enhance system resilience by optimizing for worst-case performance over a defined set of environmental uncertainties. However, current methods are limited by their dependence on simulators or large offline datasets, which are often unavailable. This paper pioneers the study of online learning in DRMGs, where agents learn directly from environmental interactions without prior data. We introduce the {\it Robust Optimistic Nash Value Iteration (RONAVI)} algorithm and provide the first provable guarantees for this setting. Our theoretical analysis demonstrates that the algorithm achieves low regret and efficiently finds the optimal robust policy for uncertainty sets measured by Total Variation divergence and Kullback-Leibler divergence. These results establish a new, practical path toward developing truly robust multi-agent systems.
主题: 机器学习 (cs.LG) ; 多智能体系统 (cs.MA)
引用方式: arXiv:2508.02948 [cs.LG]
  (或者 arXiv:2508.02948v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.02948
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yue Wang [查看电子邮件]
[v1] 星期一, 2025 年 8 月 4 日 23:14:32 UTC (275 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.MA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号