想象中约束多智能体强化学习：CA-MAMBA 在 SMAC 与 MAMuJoCo 上的表现

CA-MAMBA 将约束策略更新移入多智能体世界模型的想象中进行，在 SMAC 中位配置上所需交互次数仅为最强无模型基线的 1/10 至 1/20，在同等预算下 MAMuJoCo 奖励为基线的 2.8 至 12 倍。在每基准单任务的受控测试中，将模型成本优势按平价定价可使成本盲学习者的成本降低一半以上，并达到学习型乘子未能满足的紧连续控制限制，表明模型成本估计并非瓶颈。