Revelando comportamentos coletivos complexos a partir de recompensas simples

arXiv:2607.12861v1 Tipo de anúncio: novo Resumo: O Aprendizado por Reforço Multiagente (MARL) tem grande potencial para enxames de robôs, mas a natureza de caixa-preta das políticas neurais complica a análise estratégica, limitando as aplicações com múltiplos robôs. Além disso, comportamentos complexos de enxame podem surpreendentemente emergir de recompensas simples, sem incentivos explícitos de agregação. Revelar os mecanismos por trás dessa emergência é fundamental, mas a desconexão entre recompensas simples e comportamentos coletivos agrava...