Смещение карт-распределения экспертов для многоцелевого поиска путей

arXiv: 2610.25991v1 Annuate Type: New Humber: Displacement between neural policies for multi-Agricle trade stitution (MAPF), в которых местные наблюдения отображаются для распределения действий, представляют собой важную проблему при обучении с использованием нескольких агентов и имеют практическое значение для таких масштабных проблем коллективной автоматизации, как складское материальное обеспечение. В отличие от предыдущих исследований, посвященных главным образом разработке индивидуальной политики, в этом исследовании изучается подход на основе метауровневой смеси экспертов (МОС) к использованию УППФ. В частности, учитывая совокупность компактных, но высокоэффективных экспертов, специализирующихся на разном распределении карт, наша архитектура обучается маршрутизатору, который выборочно взрывает свои результаты в зависимости от местной ситуации каждого агента. Мы вступаем в контакт с МОС и подтверждаем его подход, используя широко используемую политику на основе графической сети, а также недавно разработанную рекурсивную модель уточнения. Наши эксперименты в сочетании с надёжностью и усилением обучения экспертов показывают, что