主题: Scalable and Robust Multi-Agent Reinforcement Learning

简介： 本演讲将涵盖我们最近的多智能体强化学习方法，这些方法用于协调沟通有限或没有交流的智能体团队。这些方法将包括深入的多主体增强学习方法和学习异步策略的分层方法，这些方法实际上允许针对不同主体在不同时间进行学习和/或执行。这些方法可扩展到较大的空间和视野，并且对于其他代理学习引起的非平稳性具有鲁棒性。将显示来自基准域和多机器人域的结果。

作者简介： Christopher Amato，美国东北大学教授，研究兴趣包括人工智能，机器人技术，多智能体和多机器人系统，不确定性下的推理，博弈论和机器学习。