多智能體方向是深度強化學習、多智能體系統、博弈論的交叉領域，主要解決在具有多個決策主體的複雜環境中，每個智能體在合作、競争、混合博弈場景下如何通過優化自身效用函數、通過智能體之間的交互博弈尋找最優策略的問題。它是探索群體智能的重要方法之一，是實現新一代人工智能這個必達終點的途徑之路。

主要研究内容包括：開放環境下的通用單智能體、多智能體強化學習理論、方法與應用；智能群體機器人與工程應用；遊戲環境和遊戲智能體的設計、分析及相關算法研究；計算經濟中的智能體建模與人工智能算法；面向供應鍊的人工智能決策方法；基于融入行為特征的風險度量的強化學習方法；大規模、智能化、網絡化、多層次、多尺度、多模式、非線性、不确定時變動态系統的建模、分析、模拟、預測、優化和控制。

承擔數十項國家級、省部級、國際合作以及企業橫向合作資金支持，包括國家重點研發項目、科技部人工智能2030重點研發專項、國家自然科學基金重大、重點項目等，相關成果發表于機器學習領域頂會頂刊數百篇，申請專利數十項。團隊曾因在多智能體系統上的貢獻獲得機器人學習會議CoRL2020最佳系統論文獎、多智能體頂會AAMAS2021最具前瞻性論文獎，世界人工智能大會WAIC雲帆獎璀璨明星（2022年度僅10位）、ACM SIGAI China新星獎、華為英國公司最佳技術突破獎。