マルチエージェント強化学習における干渉を考慮したKステップ到達可能通信

要旨: マルチエージェント強化学習（MARL）における複雑な協調タスクに対処するうえで、効果的なコミュニケーションは極めて重要です。しかし、限られた通信帯域と動的で複雑な環境トポロジーは、高価値の通信パートナーを特定するうえで重大な課題をもたらします。エージェントは不確実性の下で協力者を選択する必要があり、どのパートナーがタスクにとって重要な情報を提供できるかという事前知識を欠いています。この目的のために、Interference-Aware K-Step Reachable Communication（IA-KRC）という新規フレームワークを提案します。協力を強化するのは、2つの中核的な要素によるものです：（1）物理的に到達可能な隣接ノードにメッセージ伝播を限定するK-ステップ到達可能性プロトコル、（2）干渉を最小化しつつ有用性を最大化することでパートナー選択を最適化する干渉予測モジュール。既存の方法と比較して、IA-KRC は環境干渉にもかかわらず、はるかに持続的かつ効率的な協力を可能にします。包括的な評価は、IA-KRC が最先端のベースラインと比較して優れた性能を達成することを確認するとともに、複雑なトポロジーおよび高度に動的なマルチエージェントシナリオにおいて、堅牢性とスケーラビリティが向上していることを示しています。