Rolando Fernandez

该工作把社会法则从确定性的目标驱动设定扩展到随机的、奖励驱动的多智能体环境，提出以α-鲁棒性衡量每个智能体在遵守社会法则时能保留的保证效用比例，并给出一种通过求解一系列马尔可夫决策过程（MDP）来验证鲁棒性的方法，在若干网格玩具环境上的实验显示：当动作成功概率为1时，平行车道、对向车道以及带顺时针社会法则的交叉场景可达到α=1的鲁棒性，而强制慢速等社会法则并不总能提升保证效用。

该工作把社会法则从确定性的目标驱动设定扩展到随机的、奖励驱动的多智能体环境，提出以α-鲁棒性衡量每个智能体在遵守社会法则时能保留的保证效用比例，并给出一种通过求解一系列马尔可夫决策过程（MDP）来验证鲁棒性的方法，在若干网格玩具环境上的实验显示：当动作成功概率为1时，平行车道、对向车道以及带顺时针社会法则的交叉场景可达到α=1的鲁棒性，而强制慢速等社会法则并不总能提升保证效用。