arXiv · cs.AI· Hongrui Zheng·· 18 天前AI 评分31
SafeDiSTL：面向安全多智能体强化学习的联合约束分解框架
SafeDiSTL: Decomposing Joint Constraints for Safe Multi-Agent Reinforcement Learning
来源与原文
arXiv · cs.AI
作者：Hongrui Zheng
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.13737v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 SafeDiSTL，一个在联合约束度量下仍能进行信用分配的受限多智能体强化学习框架，利用 Signal Temporal Logic（STL）鲁棒性和可微动力学将代价增量分配到各智能体。在协同搬运、连通导航和网联交通控制任务中，SafeDiSTL 的安全成功率分别达到基线的 1.6-5.1x、提升 11.1%，交通吞吐量提升 50-68%。
来源：arXiv · cs.AI · arxiv.org