본 논문은 비정상적인 환경에서 다중 에이전트 강화 학습(MARL)의 지식 전이 문제를 해결하기 위해 인과적 지식 전이 프레임워크를 제시합니다. 변화하는 목표를 가진 비정상적인 환경에서 에이전트 간의 효과적인 지식 전이는 어려운 과제입니다. 본 연구는 에이전트들이 환경 내 경로의 간결한 인과적 표현을 학습하고 공유할 수 있도록 합니다. 새로운 장애물 등 환경 변화 발생 시 에이전트 간 충돌을 인과적 개입으로 모델링하고, 이를 회복 행동 시퀀스(매크로)로 구현하여 장애물을 우회하고 목표 달성 확률을 높입니다. 이 회복 행동 매크로는 재훈련 없이 다른 에이전트로부터 온라인으로 전달되어 지역적 상황 정보(충돌)를 이용한 룩업 모델 쿼리로 적용됩니다.
