提出协作迭代任务的动态博弈学习框架

Mark Pustilnik 与 Francesco Borrelli 提出一种适用于非线性、非凸动态博弈的通用学习框架，用于处理带共享约束的多智能体协作迭代任务，通过已执行的可行轨迹构建采样联合安全集与各参与者的代价到-go 函数。 在该框架下，各智能体每步共同选择一个已采样的终端状态及到达它的广义纳什均衡解，新解只有满足参与者一致同意的协作接受规则才被采纳。作者证明该框架保证递归可行性，并给出各参与者代价在迭代间不增的条件。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。