本分野の過去の仕事はエージェント数の増減が一般化できておらず、1エージェントで複雑なタスク、あるいは決まった数のエージェントで簡単なタスクを解くに限られていた。本論文では図に示したMAANSが開発され、複数のエージェント間の情報を統合した空間認識が可能となった。MAANSではエージェント数を任意に拡張可能であり、加えて各エージェントが通るべき効率の良い道筋を出力できる。

フォトリアリスティックな3DシミュレータHabitatにおいて、2エージェント時の探索で競合手法 (Voronoi) に比べて約8%の探索ステップを削減 (探索範囲の重なり率はSoTA未到達)。また、2エージェントで学習したモデルを3あるいは4エージェントのタスクに適用しても提案手法はSoTAに匹敵する精度を出せた。

本サマリでは論文のイントロでの表現に倣ったが、競合手法と複数エージェント時のスコアはほぼ変わらないので、本論文が「解ける課題の難易度が上がった」というものではない。エージェント数を先に決めなくても良い、一般化できるという点が評価されているのだろう。コードや発表資料、デモ動画がこちらで公開されている → https://sites.google.com/view/maans