본 논문은 다수 에이전트 경로 찾기(MAPF) 문제에 대한 최초의 중앙 집중식 학습 기반 정책인 RAILGUN을 제시합니다. 기존의 분산 계획 방식과 달리, RAILGUN은 CNN 기반 아키텍처를 활용하여 지도 기반 정책으로, 다양한 지도 크기와 에이전트 수에 대해 일반화할 수 있습니다. 규칙 기반 방법으로부터 수집한 궤적 데이터를 이용하여 지도 학습 방식으로 모델을 훈련하며, 다양한 실험을 통해 기존 방법들을 능가하는 성능과 뛰어난 제로샷 일반화 능력을 보여줍니다.
