Multi-Agent RL中級
マルチエージェントTransformer方策は置換頑健性だけでは不十分、同一行動崩壊の併用評価が必要
本論文はプレプリントである。マルチエージェントの協調ナビゲーションでTransformer方策を訓練し、エージェント順序の置換に対する頑健性と行動の多様性を同時に評価する手法を提案した。低い置換誤差でも全エージェントが同一行動を選ぶ行動崩壊が起きることを示し、PPO-IDベースラインに対して弱い同変性正則化がN=3では頑健性を改善する一方で多様性を低下させること、N=4では同じ係数が完全崩壊を招くことを報告した。