요약

Transformer를 활용하여 정책 디커플링(Policy Decoupling)을 구현한 범용 다중 에이전트 강화학습(MARL) 방법론인 UPDeT을 소개합니다. 다중 에이전트 환경에서 효율적인 학습을 위한 새로운 구조를 제안합니다.

핵심 포인트

• Transformer 기반의 정책 디커플링 구조 제안
• 범용 다중 에이전트 강화학습(MARL) 성능 향상
• 에이전트 간 상호작용 최적화 연구