速報
HyPOLE：結合 HyperLTL 的多代理強化學習新框架
形式規格提供數學嚴謹性與表達力，可直接指定目標與限制，並定義達成策略。研究將此概念引入部分可觀測的多代理強化學習（MARL），提出 HyPOLE 框架，利用 HyperLTL 形式規格引導學習，並結合集中訓練分散執行（CTDE）技術合成分散策略。
速報
形式規格提供數學嚴謹性與表達力，可直接指定目標與限制，並定義達成策略。研究將此概念引入部分可觀測的多代理強化學習（MARL），提出 HyPOLE 框架，利用 HyperLTL 形式規格引導學習，並結合集中訓練分散執行（CTDE）技術合成分散策略。
深度分析
本研究聚焦於協同多代理強化學習的共享回報優化，提出Agent‑Chained Policy Optimization（ACPO）演算法，透過將聯合政策梯度精確分解為每個代理的局部梯度，並以信念機制串接更新。實驗在多機器人倉儲、SMACv2與MA‑MuJoCo基準上皆顯著超越既有方法，且增益隨代理數量提升。