다중 에이전트 시스템에서 정책 표현 학습

연구진은 다중 에이전트 시스템에서 에이전트 정책 표현을 비지도 방식으로 학습하는 방법을 제안했다.

이 방법은 모방 학습과 에이전트 식별에서 영감을 받은 목적 함수를 사용해 제한된 상호작용 데이터로 행동을 모델링한다.

경쟁적 연속 제어와 협력적 통신 과제에서 검증했으며, 예측·군집화·정책 최적화에 유용함을 보였다.

이 프레임워크는 에이전트 행동을 추론하고 표현하는 일반적 방법을 제공해 다중 에이전트 환경의 분석과 의사결정을 개선한다.