题目:Robust Multi-Agent Communication With Graph Information Bottleneck Optimization
具有图信息瓶颈优化的鲁棒多Agent通信
作者:Shifei Ding; Wei Du; Ling Ding; Jian Zhang; Lili Guo; Bo An
摘要
最近关于多智能体强化学习(MARL)的研究表明,通过引入通信学习机制可以显著增强多智能体的动作协调。同时,图神经网络(GNN)为MARL的通信学习提供了一个有前景的范式。在这一范式下,智能体和通信信道可以被视为图中的节点和边,智能体可以通过GNN从邻近智能体聚合信息。然而,这种基于GNN的通信范式容易受到对抗性攻击和噪声扰动的影响,如何在扰动下实现鲁棒的通信学习在很大程度上被忽视了。为此,本文探讨了这个问题,并引入了一个具有图信息瓶颈优化的鲁棒通