本研究では、マルチエージェント強化学習（MARL）において望ましい成果を得るためのターゲット介入の原則を提案しています。特に、大規模なMARLでは全体のエージェントシステムに対する人間のグローバルなガイダンスが実用的でないことが課題です。これに対処するために、マルチエージェント影響図（MAIDs）を用いた新たな相互作用モデル、すなわちターゲット介入を導入しました。この介入は特定の単一エージェントにのみ適用され、全体のガイダンスの問題を軽減します。さらに、因果推論技術である前戦略介入（PSI）を用いて、目標成果と追加の望ましい成果を統合した複合的な結果を最大化する方法を示しています。また、エージェントの学習がその設計に基づいて機能するかどうかを識別する手段を提供しています。実験において、提案するターゲット介入の有効性を実証しました。