연구진은 다중 에이전트 강화 학습(MARL)에서 단순 보상이 복잡한 군집 행동을 유발하는 숨겨진 메커니즘을 밝히기 위해 노력했어요. 새로운 분석 도구인 에이전트 반응 맵(ARM)을 제안하여 에이전트의 의사 결정 패턴을 파악하고, 집단 행동과 회피 영역을 식별했어요. ARM 분석 결과, 로봇들은 환경의 기하학적 구조를 학습하여 협력 및 경쟁 과제에서 원하는 움직임을 위한 타겟으로 활용하는 것이 확인됐어요.