IBMARL、複数エージェント強化学習の効率を向上
トニー・H・チャン (Tony H. Zhang) らは2026年11月13日(現地時間)、複数エージェント強化学習 (MARL) におけるデモンストレーションベースの模倣学習の課題を解決するフレームワーク「Imitation Bootstrapped Multi-Agent Reinforcement Learning (IBMARL)」に関する論文をarXivで発表した。このIBMARLは、模倣ポリシーを訓練するためにラウンドロビン行動クローン (R2BC) を利用し、その性能を上回る強化学習ポリシーを効率的に学習させる。4つの協調型MARLベンチマークにおいて、IBMARLはデモンストレーションベースのベースラインと比較して大幅な高速化と性能向上を達成した。