[AAMAS 2024] 실세계 적용을 위한 Multi-Agent Reinforcement Learning (Part 1) - LG AI Research 블로그

멀티 에이전트 시스템 분야의 권위 있는 국제 컨퍼런스인 AAMAS 2024에서 LG AI Research의 Data Intelligence(DI) Lab이 두 편의 논문을 발표했다. 이번 포스트는 MARL의 실세계 적용 사례 중 첫 번째 파트로, 다양한 산업 분야의 AI 기술 적용을 위한 에이전트 모델링과 알고리즘을 다룬다.

**Reinforcement Learning(RL)**은 에이전트가 환경과 상호작용하며 보상을 최대화하는 최적의 행동 정책을 학습하는 과정이다. 이는 상태(State), 행동(Action), 보상(Reward), 전이 확률(Transition Probability)로 구성된 **Markov Decision Process(MDP)**로 모델링된다.

**Multi-Agent Reinforcement Learning(MARL)**은 여러 에이전트가 존재하는 환경에서 각 에이전트가 자신의 정책을 학습하는 과정이다. 각 에이전트는 독립적으로 정의된 상태와 행동을 가지며, 다른 에이전트와 상호작용하며 최적의 정책을 찾아간다.

주요 사례로 하버드 대학교의 연구인 **'Surge Routing'**을 소개한다. 이 연구는 자율 주행 택시 서비스의 효율을 높이기 위해, 대규모 이벤트 등으로 인한 급격한 수요 변화에 대응하는 On-demand Mobility Routing 알고리즘을 MARL 기반으로 제안한다.