异构智能体镜像下降算法

胜率逾九成五

一种面向异构智能体协作的策略镜像下降算法，利用技能博弈迭代提升团队对抗策略质量。

罗俊仁 · 张万鹏 · Su, Jiongming · Wang, Zhanling · 陈璟

Neurocomputing 2026

参数信息

胜率

95.4 %

技术优势

环境信息不全也能学

采用策略镜像下降和在线凸优化理论，在信息不完全时仍能收敛到均衡策略。

策略数量自动扩展

通过Set-PSRO方法以自博弈或交叉博弈自动发现技能并强化策略种群，应对不同难度的对抗。

新任务微调即用

在非对称博弈网络中，通过微调预训练技能模型即可快速生成在线策略。

应用场景

• 多智能体协作控制：在信息不全环境下学习收敛的协作策略，用于多机器人任务分配。
• 群体机器人博弈策略：通过自博弈自动扩展技能，应对不同难度的群体对抗。
• 机器人足球决策：在谷歌足球环境中Elo分数超越内置算法，可用于足球机器人决策。
• 协作机械臂调度：学习异构智能体协作策略，用于多机械臂协同操作。
• 人形机器人协同：通过微调预训练技能模型快速生成在线策略，用于人形机器人协同。