둘 이상의 에이전트가 효율적인 행동을 통해 하나의 에이전트로는 해결하기 힘든 문제를 효과적으로 해결해내 가는 방식으로, 멀티에이전트 강화학습은 기존 하나의 에이전트를 학습하는 강화학습 모델을 멀티에이전트 문제에 적용함 것임. 예를 들어, 자율주행 에이전트를 강화 학습을 통해 생성할 때, 차선 변경, 추월, 양보 등의 에이전트간 협력을 통해 정교한 상황판단을 수행하는 경우, 멀티 에이전트 강화학습 구조로 학습할 수 있음1
활용 및 발전방향
- 실무 적용: 멀티에이전트 강화학습 개념을 실제 프로젝트나 업무 상황에 직접 적용해 이해를 심화한다.
- 연관 개념 학습: 관련 노트와 연결하여 맥락을 넓히고 응용 범위를 확장한다.
- 비교 분석: 유사한 방법론·도구와 비교하며 장단점을 파악한다.
- 참고 자료 탐색: 공식 문서나 전문 서적을 통해 더 깊은 이해를 추구한다.
- 사례 수집: 실제 사례를 꾸준히 수집하여 이 노트를 발전시킨다.
관련 노트
- 강화학습 — 공유 키워드:
AI,강화학습,딥러닝 - 모방 강화학습 — 공유 키워드:
AI,강화학습,딥러닝 - AGI — 공유 키워드:
AI,딥러닝,머신러닝 - Active Learning — 공유 키워드:
AI,딥러닝,머신러닝 - Annotation — 공유 키워드:
AI,딥러닝,머신러닝