본 논문은 다중 에이전트 강화 학습 (MARL)에서 에이전트 간의 상호 작용을 고려하지 않는 기존 방법의 한계를 해결하고자, 협력 시나리오에 경쟁적 인센티브를 도입하는 새로운 접근 방식인 CoDiCon을 제안합니다. 사회학 연구에서 영감을 받아, 적절한 경쟁과 건설적인 갈등이 그룹 의사 결정에 도움이 된다는 점에 착안하여, 순위 특징을 사용한 내재적 보상 메커니즘을 설계하여 경쟁 동기를 부여합니다. 중앙 집중식 내재적 보상 모듈은 에이전트에게 다양한 보상 값을 생성하고 분배하여 경쟁과 협력 간의 균형을 유지합니다. 환경 보상을 최대화하도록 매개변수화된 중앙 집중식 보상 모듈을 최적화함으로써, 제한된 양방향 최적화 문제를 원래 작업 목표에 맞게 재구성합니다. SMAC 및 GRF 환경에서 최첨단 방법과 비교하여 CoDiCon을 평가한 결과, 경쟁적 내재적 보상이 협력 에이전트 간의 다양하고 적응적인 전략을 효과적으로 촉진하여 우수한 성능을 달성함을 확인했습니다.
