【Facebook|AAAI2020】在合作的部分可观察博弈中通过搜索改进策略（Improving Policies via Search in Cooperative Partially Observable Games）

题目： Improving Policies via Search in Cooperative Partially Observable Games

摘要：

最近在游戏中的超人结果很大程度上是在各种零和游戏中实现的，比如围棋和扑克，在这些游戏中，玩家需要与他人竞争。然而，就像人类一样，现实世界的人工智能系统也必须在合作的、部分可观察的环境中与其他智能体进行协调和通信。这些设置通常要求参与者既要解释他人的行为，又要在解释时提供信息。这些能力通常被总结为心智理论，并被视为社会交往的关键。在本文中，我们提出了两种不同的搜索技术，可用于改进合作部分可观察博弈中的任意一致策略。第一个是单智能体搜索，它可以有效地将问题转换为单智能体。通过使除一个智能体外的所有智能体都按照商定的策略进行设置。相反，在多智能体搜索中，只要在计算上可行，所有智能体都会执行相同的公共知识搜索过程，否则就会退回到根据商定的策略进行搜索。我们证明了这些搜索过程在理论上至少保证了协议策略的原始性能(在有界近似误差范围内)。在Hanabi的基准挑战问题中，我们的搜索技术极大地提高了每一个测试的性能我们测试了智能体，当应用到使用RL训练的策略时，在游戏中获得了24.61/25的最新分数，而之前最好的分数是24.08/25。

作者简介：

Jakob Foerster是Facebook人工智能研究科学家，研究兴趣是深度学习，多智能体，强化学习，博弈论。

Noam Brown是Facebook人工智能研究科学家，研究兴趣是人工智能，博弈论算法，多智能体系统，机器学习。