面向多智能体任务的异质技能学习

基于摘要分析。本文研究多智能体强化学习（MARL）中如何自动发现并利用异质行为，提出基于技能的学习框架，使不同智能体能够掌握多样化技能。主要贡献是将技能表征、技能选择与基于技能的策略学习整合起来，并通过基于互信息的内在奖励促进技能发现。 机制上，作者使用融合环境信息的 auto-encoder 生成潜变量，作为技能表征，旨在为技能选择提供智能体可区分性，并支持技能学习中的技能辨别。技能选择机制负责建立智能体到技能的分配，基于技能的策略学习机制则生成多样化策略。摘要未给出 auto-encoder 的输入与重建目标、互信息涉及的具体变量、奖励估计方式，以及各模块的联合训练流程，因此尚不能还原可复现的优化目标。 作者报告，在 StarCraft II micromanagement tasks、Google Research Football 和 GoBigger 三个基准上，该框架相较所比较的先进 MARL 方法取得最佳表现。摘要未提供具体任务设置、评价指标、分数、基线名称或随机种子信息，不能据此量化提升，也不能将不同基准上的表现直接比较。实验协议、消融及统计信息尚未验证。 本文的直接研究对象是多智能体决策中的异质技能，而非 EEG 表征或 BCI 解码。材料未建立智能体技能分配与神经信号处理瓶颈之间的具体机制对应，因此不据此提出 BCI 迁移效果或复现实验建议。