SPL 在错峰参与的多智能体协作中于全部 60 项对比里提升任务完成度，平均增益 14.1%

论文把错峰参与形式化为协作 MARL 中的一种学习依赖：早期动作通过其提供的信息以及使用该信息的后期策略影响回报，因此学习需要同时解决“采集什么信息”和“后期如何使用信息”两个相互依赖的问题。 既有工作分别研究异步交互、动态或开放团队、以及通信式信息交换，而这里把信息采集与下游利用放在同一协作学习问题中，且参与窗口可以部分重叠或完全分离。 该设定以 Dec-POMDP 形式化描述，参与区间采用半开区间约定，非活跃智能体执行空动作且不做策略决策；论文以 MPE、RWARE 与 Isaac Lab 三类环境实例化该设定。

SPL 作为训练期增强，为早期参与者提供前瞻性采集监督、为后期协作者提供结果监督的接收方学习，二者互补且不修改环境奖励与骨干 critic 目标。 采集目标由固定的结构化任务模型构造，接收方目标由基于可归因结果学习到的证据条件成功概率与固定任务效用构造，因此不需要预定义的“正确动作”标签，也不依赖执行期通信。 消融显示仅保留采集监督或仅保留接收方监督分别使平均任务完成度下降 10.7% 与 7.7%；SKD-MAPPO 平均低 11.1%；Evidence-redacted、Outcome-agnostic、Permuted 分别平均下降 10.7%、18.0%、48.4%。

在 60 项主要 Vanilla–SPL 对比中，SPL 的观测平均任务完成度全部更高，等权描述性平均差为 14.09%，IPPO、MAPPO、HAPPO 分别为 13.93%、14.02%、14.33%。 增益覆盖五种参与模式、Base 与 Advanced 环境变体以及三种 PPO 系骨干，说明改进不局限于单一 actor–critic 骨干。 四智能体实验每种方法配置使用五个独立训练种子、每种子 200 个最终评估回合；57 项配置具备配对推断，其中 56 项逐点 95% 置信区间下界为正，29 项在 Holm 校正后于族错误率 0.05 下仍显著。

增益延伸到八智能体团队与 Isaac Lab 的 UAV–UGV 物理仿真，后者中早期 UAV 采集证据、后期 UGV 执行下游任务，并受物理运动与障碍约束。 这提供了算法、时间结构与具身三类设置下的证据，且 SPL 在执行期不需要采集模型、结果回放、结果模型或效用估计。 八智能体六项匹配对比中 SPL-MAPPO 全部更高，平均观测增益 17.1%；Isaac Lab 四种团队规模–参与模式设置中增益为 20.6% 至 30.1%；四智能体 Isaac 设置观测训练时间约增加 14–16%。

该结果面向训练期可获得结构化任务知识的协作任务：有效性先验、固定有效任务约束、探测观测模型与任务效用由训练环境或任务规范提供，SPL 的模型与目标仅用于训练，执行期智能体只通过去中心化策略行动。适用场景包括参与窗口部分重叠或完全分离、早期参与者留下持久任务相关证据的多机器人协作，例如 Isaac Lab 中早期 UAV 感知、后期 UGV 执行的 UAV–UGV 任务。论文报告的是各配置内部性能，配置之间独立训练与评估，因此结果刻画的是配置内表现而非跨参与模式或任务结构的迁移。理论分析刻画的是 SPL 辅助目标的局部性质，支持训练信号的构造与解读，不构成端到端保证或协作回报的全局收敛结论。

先验错配实验只扰动采集模型使用的有效性先验，固定有效任务约束、探测精度与任务效用仍保持正确设定，因此对完整结构化任务模型任意误差的鲁棒性尚未建立。统计推断为回顾性分析，每配置仅五个配对种子并假设种子级差异近似正态，且评估使用跨种子与方法复用的固定 200 回合重置种子表，推断条件于该评估设计。四智能体 Isaac 设置中 SPL-MAPPO 的地图覆盖与任务发现低于 MAPPO，而任务完成度更高，论文指出这些诊断无法因果区分“更选择性采集”与“更有效利用证据”。此外，正文中若干表格单元格在加载文本中为空，具体数值需查阅附录表格。