置换鲁棒性还不够：多智能体 Transformer 策略中的动作坍缩

arXiv:2610.02848v1 发布类型：cross 摘要：Transformer 策略之所以在多智能体机器人学习中颇具吸引力，是因为自注意力能够对智能体之间的交互进行建模。然而，多智能体团队是无序的，而 Transformer 通常将智能体作为有序的 token 序列进行处理。我们研究了这种不匹配如何影响智能体顺序置换下的协作导航策略。结果表明，仅凭较低的置换误差可能会产生误导：策略看似具有鲁棒性，实际上可能只是因为所有智能体都选择了相同的动作。因此，我们同时采用置换一致性指标和动作坍缩诊断来评估策略，包括动作多样性、相同动作比例和最大动作频率。PPO-ID 基线表现出未发生坍缩的行为，但仍然对顺序敏感；而较强的等变性正则化仍可能诱导出同质化行为。对于包含 \(N=3\) 个智能体的团队，较弱的等变性惩罚能够在保留更多样化动作的同时提升鲁棒性；而包含 \(N=4\) 个智能体的团队则需要显著更小的正则化权重。这些发现表明，多智能体 Transformer 策略的评估不应仅关注回报和置换鲁棒性，还应关注其是否能够维持未发生坍缩、具有差异化的多智能体行为。