본 논문은 협력적 게임인 하나비를 다중 에이전트 강화 학습(MARL) 알고리즘 테스트 및 개발을 위한 강력한 매개체로 활용합니다. 기존 연구는 다양한 협력자 수에 대한 최첨단 성능 달성을 위해 고급 아키텍처 설계 및 알고리즘 조작에 중점을 두었지만, 이는 높은 계산 비용과 많은 훈련 데이터를 필요로 하는 복잡한 해결 전략으로 이어집니다. 본 논문은 인간이 하나비 게임을 효과적으로 해결하기 위해 사용하는 관습(convention)에 착안하여, 여러 시간 단계와 여러 에이전트에 걸쳐 작용하는 특수한 협력적 행동으로 작용하는 관습을 사용하여 행동 공간을 확장하는 새로운 접근 방식을 제안합니다. 제안된 관습은 기존 인간의 관습을 기반으로 하며, 하나비에서 다양한 수의 협력자에 대한 자가 플레이와 상호 플레이에서 기존 기술의 성능을 크게 향상시킵니다.
