GlobeDiff: 다중 에이전트 시스템에서의 부분 관측 가능성을 위한 상태 확산 과정

GlobeDiff: State Diffusion Process for Partial Observability in Multi-Agent Systems

다중 에이전트 시스템 분야에서 부분 관측 가능성(partial observability)은 효과적인 협력과 의사 결정을 저해하는 중대한 장벽이다. 믿음 상태(belief state) 추정이나 에이전트 간 통신과 같은 기존 접근법들은 종종 한계를 보인다. 믿음 기반 방법론은 전역 정보(global information)를 온전히 활용하지 못하고 과거 경험에만 의존한다는 제약이 있으며, 통신 기반 방법론은 통신을 통해 얻은 보조 정보를 효과적으로 활용할 수 있는 견고한 모델이 부재한 경우가 많다. 이러한 문제를 해결하기 위해, 본 논문에서는 국소 관측(local observations)을 기반으로 전역 상태를 추론하는 전역 상태 확산 알고리즘(Global State Diffusion Algorithm, GlobeDiff)을 제안한다. 상태 추론 과정을 멀티모달 확산 과정(multi-modal diffusion process)으로 정식화함으로써, GlobeDiff는 상태 추정의 모호성을 극복함과 동시에 높은 정확도로 전역 상태를 추론한다. 또한, 단봉(unimodal) 및 다봉(multi-modal) 분포 상황 모두에서 GlobeDiff의 추정 오차가 일정 범위 내로 제한됨을 이론적으로 증명한다. 광범위한 실험 결과는 GlobeDiff가 우수한 성능을 달성하며 전역 상태를 정확히 추론할 수 있음을 입증한다.

In the realm of multi-agent systems, the challenge of \emph{partial observability} is a critical barrier to effective coordination and decision-making. Existing approaches, such as belief state estimation and inter-agent communication, often fall short. Belief-based methods are limited by their focus on past experiences without fully leveraging global information, while communication methods often lack a robust model to effectively utilize the auxiliary information they provide. To solve this issue, we propose Global State Diffusion Algorithm~(GlobeDiff) to infer the global state based on the local observations. By formulating the state inference process as a multi-modal diffusion process, GlobeDiff overcomes ambiguities in state estimation while simultaneously inferring the global state with high fidelity. We prove that the estimation error of GlobeDiff under both unimodal and multi-modal distributions can be bounded. Extensive experimental results demonstrate that GlobeDiff achieves superior performance and is capable of accurately inferring the global state.