A Comprehensive Survey on Multi-Agent Cooperative Decision-Making: Scenarios, Approaches, Challenges and Perspectives

要約

人工知能の急速な発展に伴い、インテリジェントな意思決定技術は、特に複雑なマルチエージェント協同組合タスクシナリオで、さまざまな人間マシン競技で徐々に人間レベルを上回っています。
マルチエージェントの協同組合の意思決定には、協力して確立されたタスクを完了し、特定の目的を達成するために協力して、複数のエージェントが含まれます。
これらの手法は、自律運転、ドローンナビゲーション、災害救助、軍事的対立のシミュレーションなど、実際のシナリオに広く適用されます。
このペーパーは、マルチエージェント協同組合の意思決定に使用される主要なシミュレーション環境とプラットフォームの包括的な調査から始まります。
具体的には、タスク形式、報酬の割り当て、採用されている基礎となるテクノロジーなど、さまざまな観点からこれらのシミュレーション環境の詳細な分析を提供します。
その後、マルチエージェントシステム（MAS）の主流のインテリジェントな意思決定アプローチ、アルゴリズム、モデルの包括的な概要を提供します。
これらのアプローチは、ルールベース（主にファジーロジック）、ゲーム理論ベースの進化的アルゴリズムベース、ディープマルチエージェント補強学習（MARL）ベース、および大規模な言語モデル（LLM）の推論ベースの5つのタイプに広く分類できます。
従来のルール、ゲーム理論、および進化的アルゴリズムに対するMarl andllmsベースの決定方法の重要な利点を考えると、このペーパーでは、MARLとLLMSベースのテクニックを利用するこれらのマルチエージェント方法に焦点を当てています。
これらのアプローチの詳細な議論を提供し、それらの方法論的な分類法、利点、および欠点を強調します。
さらに、将来のいくつかの顕著な研究の方向性と、複数エージェントの協同組合の意思決定の潜在的な課題も詳しく説明します。

要約(オリジナル)

With the rapid development of artificial intelligence, intelligent decision-making techniques have gradually surpassed human levels in various human-machine competitions, especially in complex multi-agent cooperative task scenarios. Multi-agent cooperative decision-making involves multiple agents working together to complete established tasks and achieve specific objectives. These techniques are widely applicable in real-world scenarios such as autonomous driving, drone navigation, disaster rescue, and simulated military confrontations. This paper begins with a comprehensive survey of the leading simulation environments and platforms used for multi-agent cooperative decision-making. Specifically, we provide an in-depth analysis for these simulation environments from various perspectives, including task formats, reward allocation, and the underlying technologies employed. Subsequently, we provide a comprehensive overview of the mainstream intelligent decision-making approaches, algorithms and models for multi-agent systems (MAS). Theseapproaches can be broadly categorized into five types: rule-based (primarily fuzzy logic), game theory-based, evolutionary algorithms-based, deep multi-agent reinforcement learning (MARL)-based, and large language models(LLMs)reasoning-based. Given the significant advantages of MARL andLLMs-baseddecision-making methods over the traditional rule, game theory, and evolutionary algorithms, this paper focuses on these multi-agent methods utilizing MARL and LLMs-based techniques. We provide an in-depth discussion of these approaches, highlighting their methodology taxonomies, advantages, and drawbacks. Further, several prominent research directions in the future and potential challenges of multi-agent cooperative decision-making are also detailed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google