Towards a Better Understanding of Learning with Multiagent Teams

要約

個々の学習エージェントのチームが各部分の合計よりも大きくなる可能性があることは長い間認識されてきましたが、最近の研究では、大規模なチームが必ずしも小規模なチームよりも効果的であるわけではないことが示されています。
この論文では、特定のチーム構造が個々の学習エージェント集団の効果的な学習を促進する理由と条件を研究します。
環境に応じて、一部のチーム構造はエージェントが特定の役割に特化することを学習するのに役立ち、その結果、より好ましい全体的な結果が得られることを示します。
ただし、大規模なチームでは単位の割り当てに課題が生じ、調整が低下し、小規模なチームに比べて大規模なチームのパフォーマンスが低下します。
私たちは理論的分析と実証結果の両方で結論を裏付けています。

要約(オリジナル)

While it has long been recognized that a team of individual learning agents can be greater than the sum of its parts, recent work has shown that larger teams are not necessarily more effective than smaller ones. In this paper, we study why and under which conditions certain team structures promote effective learning for a population of individual learning agents. We show that, depending on the environment, some team structures help agents learn to specialize into specific roles, resulting in more favorable global results. However, large teams create credit assignment challenges that reduce coordination, leading to large teams performing poorly compared to smaller ones. We support our conclusions with both theoretical analysis and empirical results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google