Multi-Agent Reinforcement Learning / Học Tăng cường Đa Phần tử

📖 Multi-Agent Reinforcement Learning

Definition (English):

MARL (Multi-Agent RL) trains multiple agents to interact within a shared environment. Challenges: non-stationarity (each agent's policy affects others), credit assignment (who deserves reward?), and scalability. Approaches: centralized training with decentralized execution (CTDE), communication learning, and mean-field approximations. Applications: autonomous traffic, robot coordination, game AI, and economic simulations.

📖 Học Tăng cường Đa Phần tử

Định nghĩa (Tiếng Việt):

MARL (Học Tăng cường Đa Phần tử) huấn luyện nhiều tác tử tương tác trong môi trường chia sẻ. Thách thức: tính không dừng (chính sách mỗi tác tử ảnh hưởng người khác), gán tín dụng (ai xứng đáng phần thưởng?) và khả năng scale. Cách tiếp cận: huấn luyện tập trung với thực thi phi tập trung (CTDE), học giao tiếp và xấp xỉ mean-field. Ứng dụng: giao thông tự hành, phối hợp robot, AI trò chơi và mô phỏng kinh tế.

📂 Phân loại: RL Tech