分散型マルチエージェント強化学習ポリシーの説明

近年、マルチエージェント強化学習（MARL）が注目を集めており、様々な分野での複数エージェントによる逐次的意思決定を可能にしています。しかし、これまでの説明手法の多くは中央集権型MARLに偏っており、分散型の状況に内在する不確実性や非決定性には対応していません。本研究では、分散型MARLポリシーにおけるタスクの順序やエージェントの協力を捉えるポリシーの要約を生成する方法と、特定のエージェントの行動に関するユーザークエリへの回答を行う方法を提案します。四つのMARLドメインおよび二つの分散型MARLアルゴリズムにおいて評価を行い、提案手法の一般的な適用性と計算効率を実証しました。ユーザー調査の結果、要約と説明がユーザーの質問応答能力を大幅に向上させ、理解度や満足度といった指標における主観的評価を改善することが分かりました。