다중 에이전트 강화학습 (Multi-Agent Reinforcement Learning)을 통한 초인적인 안전하고 민첩한 레이싱

요약

다중 에이전트 강화학습(MARL)을 활용하여 고속 쿼드로터 레이싱에서 인간 조종사를 능가하는 성능을 달성했습니다. 리그 기반 셀프 플레이를 통해 복잡한 공기역학적 상호작용과 충돌 회피를 학습하여 안전성과 민첩성을 동시에 확보했습니다.

핵심 포인트

• MARL을 통해 단일 에이전트 대비 충돌률 50% 감소
• 리그 기반 셀프 플레이로 정교한 예측 행동 진화
• 22 m/s 이상의 고속 레이싱에서 인간 조종사 능가
• 다양한 에이전트와의 훈련으로 제로샷 일반화 달성