2024年6月20日 · MA-POCA是Unity官方2021年11月推出的多智能体强化学习算法，其首次应用在Unity强化学习插件ML-Agents中，取得了让人满意的效果，ML-Agents让我们能够非常便捷地创建自己的强化学习训练环境，我写过对应的文章：Unity强化学习之ML-Agents的使用。

POsthumous Credit Assignment (MA-POCA). MA-POCA naturally handles agents that are created or destroyed within an episode but share a reward function. Working within the centralized training, decentralized execution framework, we need only enable the critic to handle a changing number of agents per timestep. By applying a self-attention mech-

Multi-Agent POsthumous Credit Assignment (MA-POCA) is a multi-agent learning algorithm that can gracefully deal with spawning and despawning agents without the use of absorbing states.

2022年9月11日 · POsthumous Credit Assignment(MA-POCA)是一个新颖的架构，在集中训练和分散执行的框架内，使用Attention而不是具有吸收状态的完整耦合层。注意（自我注意）机制可以扩展到任意数量的代理，在输入到Critic之前只应用于活跃的代理信息。

2022年9月11日 · 3 main points ️ Proposed a multi-agent reinforcement learning algorithm "MA-POCA" that can handle increasing and decreasing the number of agents in the environment. ️ Support variable-length input to Critic by using Attention ️ Significantly outperforms existing methods on tasks where agents are created and destroyed in an episode and on ...

2021年12月29日 · MA-POCA是Unity官方2021年11月推出的多智能体强化学习算法，其首次应用在Unity强化学习插件ML-Agents中，取得了让人满意的效果，ML-Agents让我们能够非常便捷地创建自己的强化学习训练环境，我写过对应的文章：Unity强化学习之ML-Agents的使用。

MA-POCA算法的一个新颖之处在于，它使用了一种称为attention networks（注意力网络）的特殊神经网络结构，可以处理不定量输入。这意味着裁判可以评估任意数量的智能体，而MA-POCA也因此特别适用于游戏中的合作行为。

2021年8月3日 · 我们开发出了一款全新的多代理训练算法（称为Multi-Agent POsthumous Credit Assignment，多代理事后功劳分配，MA-POCA；完整的 arXiv https://arxiv.org/ 论文即将上线）来训练一个神经网络“评委”，作为代理组的“教练”。

2021年8月3日 · ma-poca会将所有观测结果整合起来用于集中培训。 除了个人奖励外，它还负责处理整个小组的奖励——无论有多少代理加入或离开了小组。 你可以在TensorBoard中监测代理组获得的总奖励。

因此，解决方案是使用带有 MA-POCA 训练器（称为 poca）的自我博弈。 poca 训练器将帮助我们训练协作行为，并通过自我博弈战胜对手团队。 如果您想更深入地了解此 MA-POCA 算法，您需要阅读他们在此发布的论文 此处 以及我们在附加阅读部分提供的资料。