Interaction-Breaking Adversarial Learning Framework for Robust Multi-Agent Reinforcement Learning

En 3 lignesNouvelle méthode IBAL pour renforcer la robustesse du MARL face aux perturbations d'interactions inter-agents. Le framework utilise une approche théorique de l'information pour construire des attaques qui dégradent la coordination en perturbant observations et actions, puis entraîne les agents à rester fiables. Amélioration démontrée sur baselines existants et scénarios d'agents manquants.

Résumé généré par Claude — vérifié par l'humain