MasFACT: Continual Multi-Agent Topology Learning via Geometry-Aware Posterior Transfer

작성자

Haebom

카테고리

Empty

저자

Xuefei Wang, Jialu Wang, Fengbo Zhang, Yihan Hu, Di Zhang, Yutong Ye, Yikun Ban, Jun Han, Ruijie Wang

💡 개요

본 논문은 다중 에이전트 시스템(MAS)에서 발생하는 '토폴로지 망각' 문제를 해결하기 위한 새로운 접근 방식인 MasFACT를 제안합니다. MasFACT는 과거 작업에서 학습한 협업 지식을 기하학적으로 인지하는 방식으로 이전하여 새로운 작업에 적응할 때 이전 작업에 필요한 통신 구조를 유지하도록 돕습니다. 이를 통해 개별 작업 최적화에서 벗어나 지속적인 작업 환경에서 MAS 성능을 향상시킬 수 있습니다.

🔑 시사점 및 한계

•

다중 에이전트 시스템에서 지속적인 학습 환경에 필수적인 '토폴로지 망각' 문제에 대한 해결책을 제시합니다.

•

기하학적 동형성(Gromov-Wasserstein)과 PAC-Bayes 이론을 활용하여 과거의 협업 지식을 효과적으로 보존하고 재사용하는 프레임워크를 제공합니다.

•

다양한 MAS 토폴로지 생성기와의 연동 가능성을 보여주며, 기존 방법론 대비 우수한 성능 향상과 망각 감소 효과를 입증합니다.

•

제안된 MasFACT의 이론적 복잡성과 실제 적용 시 계산 비용이 추가될 수 있다는 점은 향후 연구 과제로 남습니다.

PDF 보기

Made with Slashpage