분리된 생성 가이던스를 이용한 다중 에이전트 플로우 매칭

생성 모델링(Generative modeling)은 복잡하고 멀티모달한 분포로부터 다양한 객체를 생성하는 데 광범위하게 사용됩니다. 하지만, 그 표현력만으로는 생성된 객체가 특정 하드 제약 조건이나 요구 사항을 만족한다는 형식적인 보장이 일반적으로 따르지 않습니다. 다중 에이전트 생성에서는 이 문제가 더욱 어려워집니다. 왜냐하면 하나의 하드 요구 사항이 여러 에이전트에 의존할 수 있는데, 각 에이전트는 다른 에이전트들의 동시에 계산된 가이던스 입력에 의존하지 않고 자체적인 가이던스 입력을 결정해야 할 수도 있기 때문입니다. 이를 위해, 우리는 분리된 생성 가이던스를 이용한 다중 에이전트 플로우 매칭(multi-agent flow matching)을 위한 일반 프레임워크인 DeGG-Flow를 소개합니다. 생성 과정을 제어-아핀 동역학 시스템(control-affine dynamical system)으로 표현함으로써, 우리는 두 가지 클래스의 결합된 요구 사항에 대한 가이던스 조건을 개발합니다: 여러 에이전트의 협력적인 만족에 의존하는 공유 요구 사항(shared requirements), 그리고 이웃 에이전트에 의존하며 개별 에이전트와 관련된 사적 요구 사항(private requirements)입니다. 두 클래스 모두에 대해, 우리는 실현 가능성 조건과 유한 구간 수렴 보장(finite-horizon convergence guarantees)을 확립합니다. 나아가, 가이던스가 유도하는 분포 편차를 특성화하는 바서슈타인 경계(Wasserstein bound)를 도출합니다. 우리는 환경 재구성을 통한 공간적 간극 건너기 다중 로봇 협업과 어포던스 요구 사항을 가진 다중 객체 장면 생성에 DeGG-Flow를 시연합니다. 두 응용 분야 모두에서, DeGG-Flow는 훈련 중에 보지 못한 팀 규모에서도 모든 해당 하드 요구 사항을 만족하는 객체를 직접 생성합니다.