본 논문은 다중 에이전트 강화 학습(MARL)에서 에이전트들이 환경으로부터 부족하거나 과도한 정보를 받는 시야 범위 딜레마 문제를 해결하기 위해 새로운 방법인 동적 시야 범위 선택(DSR)을 제안합니다. DSR은 UCB 알고리즘을 활용하여 훈련 중 시야 범위를 동적으로 조절하며, LBF, RWARE, SMAC 세 가지 MARL 환경에서 QMIX 및 MAPPO 알고리즘을 포함한 여러 MARL 알고리즘에서 성능 향상을 보였습니다. DSR은 훈련 단계에 따라 적절한 시야 범위를 제공하여 훈련 속도를 높이고, 훈련 중 사용된 최적의 시야 범위를 나타내어 해석성을 높입니다. 전역 정보나 통신 메커니즘에 의존하는 기존 방법과 달리, 에이전트의 개별 시야 범위에만 기반하여 작동하는 실용적이고 효율적인 해결책을 제시합니다.
