この記事では、無線通信システムにおける効率的で適応的なリソース割り当ての重要性について述べています。従来の中央集権型のマルチエージェント強化学習（MARL）フレームワークはスケーラビリティとプライバシーの問題を抱えています。一方で、分散型トレーニングと分散型実行（DTDE）パラダイムは、エージェント間の協力の限界や非定常性の問題を解決することが難しいとされています。本研究では、分散型コミュニケーションリソース管理のために「マルチエージェント条件付き拡散モデルプランナー（MA-CDMP）」を提案しています。モデルベースの強化学習（MBRL）に基づき、環境のダイナミクスを捉えた拡散モデルを利用して、未来の軌跡を計画します。また、エージェント間の相互作用を近似するために平均場メカニズムを導入し、最小限の通信オーバーヘッドで協力を促進します。実験では、MA-CDMPが既存のMARLベースラインに比べて安定したパフォーマンスを示すことが確認されています。