본 논문은 다수 에이전트 경로 찾기(MAPF) 문제에 대한 최초의 중앙 집중식 학습 기반 정책인 RAILGUN을 제시한다. 기존의 분산형 학습 기반 방법들과 달리, RAILGUN은 CNN 기반 아키텍처를 활용하여 지도 기반 정책으로 설계되어 다양한 지도 크기와 에이전트 수에 대해 일반화가 가능하다. 규칙 기반 방법으로부터 수집된 궤적 데이터를 이용하여 지도학습 방식으로 모델을 훈련하며, 다양한 실험 결과를 통해 기존 방법들보다 우수한 성능과 뛰어난 제로샷 일반화 성능을 보임을 입증한다.
