Tag · 6 篇
多智能体强化学习
VideoChat-M1：通过多智能体强化学习实现面向视频理解的协作策略规划
VideoChat-M1: Collaborative Policy Planning for Video Understanding via Multi-Agent Reinforcement Learning
把视频理解建模为多个策略智能体各自生成、执行并相互通信更新工具调用策略的过程，并用最终答案奖励与中间协作反馈做联合强化学习优化；对做长视频/复杂时序推理的视觉研究者，这是一套可复用的「多智能体+工具调用+MARL」框架，可替代静态固定的工具链。
TeamHOI：学习面向任意团队规模协作式人-物交互的统一策略
TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size
用 Transformer 加队友 token 的分散式策略处理可变团队规模协作，以及用单人参考动作加掩码 AMP 在缺少多智能体数据时保证动作真实感，这两点可直接迁移到视觉驱动的具身多智能体控制与动作生成。
TaskForce：面向多任务优化的协作式多智能体强化学习
TaskForce: Cooperative Multi-agent Reinforcement Learning for Multi-task Optimization
TaskForce 把多任务损失加权建模为协作式多智能体强化学习问题，智能体以梯度 Gram 矩阵和损失值为观测输出各任务的平衡权重；做多任务视觉模型（如 NYU-v2 深度+法向、Cityscapes 检测+分割）时可直接复用该梯度级冲突消解与动态加权机制。
MangoBench：面向多智能体目标条件离线强化学习的基准
MangoBench: A Benchmark for Multi-Agent Goal-Conditioned Offline Reinforcement Learning
为视觉驱动的具身智能体提供多目标离线训练与评测基准，其47个任务覆盖高维视觉输入下的联合控制与双臂操作，可直接用于检验视觉表征在稀疏奖励下的目标泛化能力。
学习辅助：基于多智能体强化学习的物理接地人-人控制
Learning to Assist: Physics-Grounded Human-Human Control via Multi-Agent Reinforcement Learning
把「双人近距离施力交互」的运动模仿建模为多智能体 RL，并用单人运动跟踪控制器初始化伙伴策略、动态重定向参考动作——这套「先单人预训练再双人协同」的流程可直接迁移到视觉驱动的虚拟人/数字人交互合成与具身人形控制任务。
超越基于规则的智能体：面向自动驾驶中真实多智能体交互的主动马尔可夫博弈
Beyond Rule-Based Agents: Active Markov Games for Realistic Multi-Agent Interaction in Autonomous Driving
把驾驶交互建模为状态转移与奖励随智能体策略演化的主动马尔可夫博弈，并用自我车辆策略与多样化对手策略池协同进化训练，可直接用于视觉感知驱动的端到端驾驶策略在非平稳对手下的鲁棒性提升与长尾场景评测。