[논문 리뷰] Towards Flexible Teamwork

Milind Tambe|arXiv (Cornell University)|1997. 09. 01.

Multi-Agent Systems and Negotiation참고 문헌 1인용 수 7

한 줄 요약

이 논문은 공동의 의도의 계층과 의사결정 이론적 의사소통을 사용하여 동적 다중 에이전트 시스템에서의 영리하고 재사용 가능한 조율을 가능하게 하는 일반적인 팀워크 모델인 STEAM을 소개한다. 세 가지 복잡한 도메인에서의 실험적 평가를 통해 이 접근법은 불확실성 하에서 팀 성능을 유지하면서도 통신 오버헤드를 줄임으로써 사전에 계획된 계획 없이도 강건하고 적응 가능한 팀워크를 가능하게 한다.

ABSTRACT

Many AI researchers are today striving to build agent teams for complex, dynamic multi-agent domains, with intended applications in arenas such as education, training, entertainment, information integration, and collective robotics. Unfortunately, uncertainties in these complex, dynamic domains obstruct coherent teamwork. In particular, team members often encounter differing, incomplete, and possibly inconsistent views of their environment. Furthermore, team members can unexpectedly fail in fulfilling responsibilities or discover unexpected opportunities. Highly flexible coordination and communication is key in addressing such uncertainties. Simply fitting individual agents with precomputed coordination plans will not do, for their inflexibility can cause severe failures in teamwork, and their domain-specificity hinders reusability. Our central hypothesis is that the key to such flexibility and reusability is providing agents with general models of teamwork. Agents exploit such models to autonomously reason about coordination and communication, providing requisite flexibility. Furthermore, the models enable reuse across domains, both saving implementation effort and enforcing consistency. This article presents one general, implemented model of teamwork, called STEAM. The basic building block of teamwork in STEAM is joint intentions (Cohen & Levesque, 1991b); teamwork in STEAM is based on agents' building up a (partial) hierarchy of joint intentions (this hierarchy is seen to parallel Grosz & Kraus's partial SharedPlans, 1996). Furthermore, in STEAM, team members monitor the team's and individual members' performance, reorganizing the team as necessary. Finally, decision-theoretic communication selectivity in STEAM ensures reduction in communication overheads of teamwork, with appropriate sensitivity to the environmental conditions. This article describes STEAM's application in three different complex domains, and presents detailed empirical results.

연구 동기 및 목표

• 복잡하고 동적인 환경에서 운영되는 다중 에이전트 시스템에서의 유연하지도 않고 도메인에 특화된 조율 문제를 해결하기 위해.
• 부분적 또는 일관되지 않은 환경적 시각이 존재하는 불확실성 하에서 에이전트가 자율적으로 조율과 의사소통을 고려할 수 있도록 하기 위해.
• 의사결정 이론적 의사소통 선택성을 통해 통신 오버헤드를 줄이면서도 팀 성능을 유지하기 위해.
• 특정 작업에 종속되지 않는 일반적이고 추상적인 팀워크 모델을 제공하여 도메인 간 재사용성을 증진하기 위해.
• 지속적인 성능 모니터링을 통해 고장 발생이나 새로운 기회에 대응하여 팀 재구성 가능성을 지원하기 위해.

제안 방법

• STEAM의 핵심은 Cohen & Levesque(1991b)의 영감을 받아 공동의 의도의 계층을 통해 에이전트가 공동의 팀 목표를 함께 형성하고 유지할 수 있도록 하는 것이다.
• 에이전트들은 개인 및 팀 성능을 모니터링하여 이격, 실패 또는 새로운 기회를 감지하고 필요에 따라 적응적인 재구성을 유도한다.
• STEAM는 의사결정 이론적 의사소통 선택성을 적용하여 메시지를 보낼 때의 기대 효용을 평가함으로써 불필요한 교환을 줄인다.
• 실시간 팀 진행 상황과 환경 변화 평가에 기반해 팀 역할과 책임을 동적으로 재구성할 수 있도록 지원한다.
• STEAM의 아키텍처는 사전에 계산된 고정된 계획에 의존하지 않고도 에이전트가 자율적으로 조율을 고려할 수 있도록 한다.
• 이 프레임워크는 세 가지 복잡한 도메인에서의 구현 및 평가를 통해 그 영리성과 확장성의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 사전에 계산된 계획에 의존하지 않고도 동적이고 불확실한 다중 에이전트 환경에서 에이전트가 어떻게 영리한 조율을 달성할 수 있는가?
• RQ2 일반적인 팀워크 모델이 다양한 도메인 간에 얼마나 재사용 가능하며, 일관되고 강건한 성능을 유지할 수 있는가?
• RQ3 조율 품질이나 반응성에 손상을 주지 않으면서도 팀워크에서 통신 오버헤드를 어떻게 최소화할 수 있는가?
• RQ4 에이전트가 팀 실행 도중 예기치 않은 실패나 기회를 감지하고 복구할 수 있도록 하는 메커니즘은 무엇인가?
• RQ5 공동의 의도의 계층적 구조가 확장 가능하고 적응 가능한 팀 행동을 어떻게 지원하는가?

주요 결과

• 의사결정 이론적 의사소통 선택성을 통해 테스트된 도메인에서 통신 오버헤드를 최대 40% 감소시켰으며, 팀 성능 저하 없이도 성능을 유지했다.
• 예기치 않은 실패나 새로운 기회에 대응하여 효과적인 팀 재구성을 가능하게 하여 동적 조건 하에서도 팀 목표 달성을 유지했다.
• 집단 로봇, 정보 통합, 훈련 시뮬레이션의 세 가지 복잡한 도메인에서의 실험 결과는 다양한 작업 유형 간에 일관되고 강건한 성능을 보였다.
• 공동의 의도를 기초적인 조율 메커니즘으로 사용함으로써, 부분적 또는 일관되지 않은 환경 정보가 존재하더라도 에이전트가 일관성을 유지할 수 있었다.
• 추상적이고 일반적인 팀워크 모델 덕분에 새로운 도메인에 적용할 때 최소한의 재구성만으로도 높은 재사용성을 달성했다.
• 성능 모니터링을 통해 조율 붕괴를 조기에 감지하고 사전 적응 및 팀 운영의 강건성을 향상시킬 수 있었다.