Revisiting Multi-Agent World Modeling from a Diffusion-Inspired Perspective
Created by
Haebom
저자
Yang Zhang, Xinran Li, Jianing Ye, Delin Qu, Shuang Qiu, Chongjie Zhang, Xiu Li, Chenjia Bai
개요
본 논문은 다중 에이전트 강화 학습(MARL)에서 세계 모델링의 복잡성을 줄이기 위해 순차적 에이전트 모델링을 제안합니다. 기존의 전체 상태-행동 전이 역학을 공동으로 모델링하는 대신, 각 시간 단계에서 상태 공간에만 집중하여 모델링 복잡성을 줄입니다. 이는 에이전트 간의 구조적 의존성을 포착하면서 불확실성을 점진적으로 해소하여 에이전트가 상태에 미치는 영향을 더 정확하게 나타냅니다. 이러한 순차적인 에이전트 행동 공개 방식은 확산 모델의 역과정과 유사하며, 이를 활용하여 확산 모델 기반의 유연하고 강력한 MARL 세계 모델인 DIMA를 개발합니다. DIMA는 MAMuJoCo와 Bi-DexHands 등 여러 다중 에이전트 제어 벤치마크에서 최첨단 성능을 달성하며, 기존 세계 모델보다 최종 보상과 샘플 효율성 면에서 뛰어난 성능을 보입니다.
시사점, 한계점
•
시사점:
◦
다중 에이전트 시스템의 복잡한 상태 전이 역학을 효과적으로 모델링하는 새로운 방법 제시.
◦
확산 모델을 활용하여 MARL 세계 모델의 성능과 안정성을 향상시킴.
◦
MAMuJoCo와 Bi-DexHands 벤치마크에서 기존 방법 대비 우수한 성능과 샘플 효율성을 달성.
