提出SafeDiSTL多智能体安全强化学习框架

Hongrui Zheng、Aditya Singh 与 Rahul Mangharam 在 arXiv 发布论文，提出约束式多智能体强化学习框架 SafeDiSTL，用于在只有联合约束测量（无法单独观测每个智能体成本）时进行智能体间信用分配。 方法用信号时序逻辑（STL）鲁棒性以运行最大成本增量衡量整条回合的违规程度，借助平滑的全回合鲁棒性和可微动力学，把成本增量按动作敏感度分摊给各智能体，并考虑延迟影响。 作者报告在三类任务上与约束基线相比：协同载荷运输的安全成功率提高 1.6–5.1 倍，联网导航的安全成功率提升 11.1%，网络化交通控制的吞吐量增加 50–68%。以上结果出自论文声称，尚无独立验证。

AI 根据报道生成 · 2 小时前更新