标签
本文提出了一种元多智能体强化学习（meta-MARL）框架，将多智能体强化学习（MARL）问题建模为马尔可夫博弈，并定义了一种新的求解概念——元纳什均衡（meta-NE），并证明其与基于梯度博弈算法的驻点等价。实验表明，在自动驾驶任务中，该方法相比预训练的 MARL 基线方法能够实现更快的适应。