본 논문은 다중 에이전트 환경에서의 목표 인식 문제를 다룬다. 기존의 수동적인 목표 인식 연구와 달리, 능동적 목표 인식(AGR)에 초점을 맞춰 불확실성을 줄이기 위한 전략적인 정보 수집 방법을 제안한다. 확률적 프레임워크를 기반으로, 공동 신념 업데이트 메커니즘과 몬테 카를로 트리 탐색(MCTS) 알고리즘을 통합한 솔루션을 제시한다. 이는 도메인 특정 지식 없이 효율적으로 계획하고 행위자의 숨겨진 목표를 추론할 수 있도록 한다. 그리드 기반 도메인에서의 실험 결과, 제안된 공동 신념 업데이트 메커니즘이 수동적 목표 인식보다 우수하며, 도메인 독립적인 MCTS 알고리즘이 도메인 특정 탐욕적 기준선과 비슷한 성능을 보임을 보여준다. 이를 통해 제안된 솔루션이 실용적이고 강력한 목표 추론 프레임워크임을 입증하고, 더욱 상호 작용적이고 적응적인 다중 에이전트 시스템으로 나아갈 수 있는 기반을 마련한다.
