SafeDiSTL：用STL鲁棒性分解多智能体联合约束
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决的问题
协作型多智能体任务常对共享目标或集体安全施加约束。团队层面的违规代价函数能衡量约束结果，却无法指出哪些智能体的动作对该违规影响最大，这使信用分配变得困难。SafeDiSTL 的定位正是带约束的多智能体强化学习框架，目标是在只有联合约束测量的条件下仍能完成信用分配。
方法怎么运作
该框架借助信号时序逻辑（STL）的鲁棒性来度量回合级违规，具体做法是使用运行最大代价增量。平滑的全回合鲁棒性配合可微动力学，为动作敏感度提供了计算途径；这些敏感度把每一个代价增量在同一决策时刻分配给各个智能体。在加权各智能体所分摊的份额时，敏感度还会考虑延迟效应，从而不让即时归因掩盖后续才显现的影响。
三类任务上的结果
作者在协作载荷运输、连通导航与网络化交通控制三类任务中检验该框架。与带约束的基线相比，运输任务的安全成功率提升到 1.6-5.1 倍，导航任务的安全成功率提高 11.1%，交通任务吞吐量增加 50-68%。结果同时显示，所学策略在处理共享约束方面有明显改善，并且没有牺牲无约束策略原有的性能表现。
为什么值得看
给出联合约束下把违规代价分摊到具体智能体的可微方法，并附三类任务量化提升，做多智能体安全强化学习的人可直接对照。
信源1 家
关键事实
框架名为 SafeDiSTL，用于带约束的多智能体强化学习，支持在只有联合约束测量时做信用分配[1]
用信号时序逻辑鲁棒性，通过运行最大代价增量衡量回合级违规[1]
平滑的全回合鲁棒性与可微动力学提供动作敏感度，把代价增量在同一决策时刻分摊给各智能体，并计入延迟效应[1]
在协作载荷运输、连通导航、网络化交通控制任务上测试：运输安全成功率提升 1.6-5.1 倍，导航安全成功率提升 11.1%，交通吞吐量提升 50-68%[1]
论文于 2026 年 10 月 9 日提交至 arXiv，编号 arXiv:2610.13737，作者为 Hongrui Zheng、Aditya Singh、Rahul Mangharam[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。