연구진은 부분 관찰성 문제를 해결하기 위해 LLM의 추론 능력을 활용한 LMAC(LLM-driven Multi-Agent Communication)를 제안했어요. LMAC는 모든 에이전트가 상태를 정확하게 재구성할 수 있도록 통신 프로토콜을 설계하고 반복적으로 개선해요. 다양한 다중 에이전트 강화 학습 벤치마크 실험에서 LMAC은 기존 통신 방식보다 성능이 향상된 것을 확인했어요.
LMAC는 에이전트 간 지식 격차를 줄이면서 상태 복구 성능을 향상시키는 데 중점을 둬요. LMAC은 명시적인 상태 인식 기준을 사용하여 프로토콜을 반복적으로 개선하여 에이전트의 상태 재구성을 최적화해요.
LMAC은 에이전트 간 상태 재구성을 개선하고 기존 통신 방식보다 상당한 성능 향상을 가져왔으며, 이는 협력적 다중 에이전트 강화 학습 환경에서 중요한 기여를 할 것으로 보입니다.