본 논문은 다중 에이전트 경로 찾기(MAPF) 문제에 대한 새로운 접근 방식을 제시합니다. 기존의 학습 기반 MAPF 해결사들이 추가적인 구성 요소(예: 단일 에이전트 계획 또는 통신)를 필요로 하는 것과 달리, 본 연구는 전문가 MAPF 솔루션의 대규모 데이터셋과 트랜스포머 기반 신경망을 활용한 모방 학습에만 의존합니다. 이를 통해 MAPF-GPT라는 기초 모델을 개발했으며, 이 모델은 추가적인 휴리스틱이나 통신 없이도 동작을 생성할 수 있습니다. MAPF-GPT는 학습 데이터셋에 없는 MAPF 문제를 해결하는 제로샷 학습 능력을 보여주며, 다양한 문제 인스턴스에서 기존 최고 성능의 학습 가능한 MAPF 해결사들을 능가하는 동시에 추론 과정에서 계산 효율성을 갖습니다.
