近日,中国计算机学会(CCF)推荐的A类国际学术会议ICML 2022公布论文评审结果。网易伏羲投稿的论文《基于个体奖励协助的多智能体强化学习(Individual Reward Assisted Multi-Agent Reinforcement Learning)》顺利入选,意味着网易伏羲的AI研究成果得到了业界的广泛认可。
论文《基于个体奖励协助的多智能体强化学习》提出了一种融合个体奖励与团队奖励来进行策略优化的新型范式——基于个体奖励协助的团队策略学习算法(Individual Reward Assisted Team Policy Learning,IRAT)。IRAT算法可以通过更加合理地利用个体奖励,有效解决诸多应用场景下稀疏奖励、奖励调整繁琐等问题,从而达到优化训练流程、降本增效的效果。该论文由网易伏羲与清华大学张崇洁老师团队、南京大学高阳老师团队、天津大学郝建业老师团队合作完成。
据悉,该项研究来源于业务普遍痛点。在相当多的应用场景中,多智能体强化学习都面临着团队奖励稀疏的问题。例如,在足球、篮球、MOBA等团队竞技的游戏中,往往只有最终的游戏输赢能够定义为团队奖励(Team Reward)。比较普遍的解决方法是根据任务相关的先验知识,为每个智能体设计一套与团队合作具有一定相关性的个体奖励(Individual Reward),鼓励智能体做出有利于团队合作的行为。例如在篮球游戏中,可以对“盖帽”“挡拆”“抢断”等行为加以鼓励,也可以对“传球出界”“被封盖”“被抢断”“带球过多”等事件加以惩罚。然而,现有