En este artículo, presentamos un marco de transferencia de conocimiento causal para abordar el problema de transferencia de conocimiento del aprendizaje por refuerzo multiagente (MARL) en entornos impredecibles. La transferencia efectiva de conocimiento entre agentes en entornos impredecibles con objetivos cambiantes es una tarea compleja. Este estudio permite a los agentes aprender y compartir representaciones causales concisas de las trayectorias en el entorno. Cuando se producen cambios en el entorno, como nuevos obstáculos, los conflictos entre agentes se modelan como intervenciones causales, que se implementan como secuencias de acción de recuperación (macros) para sortear obstáculos y aumentar la probabilidad de alcanzar el objetivo. Estas macros de acción de recuperación se transfieren en línea desde otros agentes sin necesidad de reentrenamiento y se aplican como consultas del modelo de búsqueda utilizando información del contexto local (conflictos).
