标题：Multi-Agent Routing Value Iteration Network(多智能体路由值迭代网络)
作者：Quinlan Sykora， Mengye Ren， Raquel Urtasun
单位: Uber
发表期刊：AI
发表时间：2020年
论文研究主题归类：强化学习多智能体应用
1.论文解决什么问题
本文研究了多个agent协同路由问题。传统的方法通常不是为包含稀疏连接图和未知流量的真实环境而设计的，并且在运行时速度太慢而不实用。相比之下，我们提出了一个基于图神经网络的模型，该模型能够在稀疏连通图中，在动态变化的交通条件下进行基于学习值迭代的多智能体路由。此外，学习的通信模块使agent能够在线协调并更有效地适应变化。
2.是否有公开的数据集及源代码
数据集：未公开
源代码：https://github.com/uber-research/MARVIN
3.论文的主要观点
作者认为传统的多智能体方法方法通常不是为包含稀疏连接图和未知流量的真实环境而设计的，并且在运行时速度太慢而不实用。