基于保支撑蒸馏的多智能体协同

论文提出 Mode-Support Semi-Discrete Optimal Transport（MoSDOT），解决离线多智能体强化学习中流式教师模型把相近噪声样本路由到冲突协同模式、进而经蒸馏损失传播到学生策略的问题。