이 튜토리얼에서는 상호 작용, 피드백 및 계층적 의사 결정을 통해 그리드 월드를 탐색하는 다중 에이전트 시스템을 학습하는 미니 강화 학습 설정을 코딩합니다. Action Agent, Tool Agent 및 Supervisor 세 가지 에이전트 역할을 결합하여 간단한 휴리스틱, 분석을 관찰할 수 있습니다. 이 모든 것을 처음부터 구축하여 간단한 휴리스틱, 분석 및 의사 결정을 통해 에이전트가 완전히 인공적으로 통합된 환경에서 작동하는 방식을 살펴봅니다. 이러한 에이전트 역할은 실제 생활 상황에서 볼 수 있는 다양한 측면을 반영하도록 설계되었습니다. 미니 강화 학습 환경을 설계함으로써 다양한 유형의 에이전트 간의 협력 및 충돌을 모델링하는 방법에 대한 통찰력을 얻을 수 있습니다.

<Mark Tech Post 뉴스 본문 전체읽기>