LEARNING
解耦延迟补偿：通过学习的动力学滤波增强预训练多智能体强化学习策略
Maxim Mednikov, Oren Gal
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种模块化的执行阶段状态估计层，通过学习门控转移模型和递归卡尔曼滤波层，从异步测量中估计瞬时状态，以替代延迟的通信观测。该方法作为预训练策略的即插即用模块，无需修改原始训练算法，显著提升了多智能体系统在通信延迟和消息丢失下的鲁棒性。
关键词
multi-agent reinforcement learningcommunication delaystate estimationKalman filterrobustness
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018