Overcooked Generalisation Challenge (OGC)는 알려지지 않은 파트너와 익숙하지 않은 환경에서 협력하는 능력을 평가하기 위한 강화 학습(RL) 에이전트의 새로운 벤치마크입니다. 기존 연구는 주로 훈련 환경이나 훈련 파트너와의 협력적 RL만 평가하여 에이전트의 일반화 능력(인간과의 미래 협업에 필수적인 요구 사항)을 이해하는 데 심각한 제약이 있었습니다. OGC는 이중 커리큘럼 설계(DCD)를 지원하도록 Overcooked-AI를 확장합니다. 이는 완전히 GPU 가속화되고 오픈 소스이며 minimax DCD 벤치마크 모음에 통합되어 있습니다. 설계자가 환경의 최소 요소만 조작하는 이전 DCD 벤치마크와 비교하여 OGC는 에이전트 간의 상호 작용 역학을 고려해야 하는 다중 객체를 포함하는 전체 주방 레이아웃과 같이 훨씬 더 풍부한 설계 공간을 제공합니다. OGC는 최첨단 DCD 알고리즘과 확장 가능한 신경 구조를 평가하고, 현재 방법은 새로운 레이아웃과 익숙하지 않은 파트너에 효과적으로 일반화되는 에이전트를 생성하지 못함을 보여줍니다. 결과는 에이전트와 커리큘럼 설계자 모두 파트너 및 환경 일반화의 공동 과제에 어려움을 겪고 있음을 나타냅니다. 이러한 결과는 OGC를 협력적 일반화를 위한 까다로운 테스트베드로 확립하고 미래 연구를 위한 주요 방향을 제시합니다. 코드는 오픈 소스로 공개됩니다.
