Вікторина, пов’язана з посібником · Середній Рівень
Навчальна вікторина щодо посилення кількох агентів
Вивчіть, як кілька агентів навчання з підкріпленням навчаються в умовах спільних винагород, зміни опонентів, часткових поглядів і обмежень координації.
Питання 1 з 8
Що робить середовище «нестаціонарним» з точки зору одного агента в MARL?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Що робить середовище «нестаціонарним» з точки зору одного агента в MARL?
- Інші агенти одночасно вивчають і змінюють власні політики
- Функція винагороди випадково скидається в кожному епізоді
- Простір станів безмежно зростає з часом
- Датчики повертають галасливі спостереження
- Що означає «централізоване навчання з децентралізованим виконанням» (CTDE)?
- Агенти навчені та працюють на одному центральному сервері
- Спільний критик використовує глобальну інформацію під час навчання, але агенти діють на основі локальних спостережень під час розгортання
- Один головний агент видає команди всім іншим під час виконання
- Дані про навчання централізовані, але винагороди децентралізовані
- Яка математична структура узагальнює одноагентний MDP для кількох агентів?
- Лінійна програма
- Прихована модель Маркова
- Гра Маркова (стохастична гра)
- Скінченний автомат
- Як зазвичай структурується винагорода в умовах суто спільної роботи MARL?
- Кожен агент максимізує винагороду, яка є негативною для іншого
- Тільки найшвидший агент отримує винагороду
- Нагороди призначаються випадковим чином за кожен крок
- Агенти ділять спільну командну винагороду, яку вони разом максимізують
- Which training approach did OpenAI Five use to improve at Dota 2?
- Self-play against copies of its own current and past policies
- A fixed lookup table of human moves
- A supervised-only classifier trained on image labels
- A single policy trained only against a static scripted opponent
- Чому «переуступка кредиту» особливо складна в кооперативі MARL?
- Нагороди надходять миттєво, їх легко відстежити
- Важко визначити, дії якого агента сприяли результату спільної команди
- Винагороду отримує лише один агент
- Агенти взагалі не можуть спостерігати за винагородою
- What structural constraint does QMIX place on its mixing network?
- It must be a linear sum with fixed weights
- It ignores all individual agent values
- The joint action-value is monotonic in each agent’s individual value
- It requires communication at every action step
- How does Value Decomposition Networks (VDN) form the team action-value?
- By multiplying all rewards by the number of agents
- By selecting the largest local reward only
- By training a separate team for each agent
- By summing the individual agents’ action-values