WARUM DAS WICHTIG IST
Bei gekoppelten Agentensystemen reichen isoliert bewertete Einzelaktionen nicht aus; Planung muss Abhängigkeiten und Latenz gemeinsam betrachten.
MA-WAM ist ein Test-Time-Planning-Framework für Multi-Agenten-Flow-Policies. Der Preprint argumentiert, dass gleichzeitig ausgeführte Aktionen einander beeinflussen und eine getrennte Vorhersage pro Agent diese Abhängigkeiten nicht erfasst. Das Weltmodell bewertet deshalb Kandidaten für gemeinsame Aktionen unter Querabhängigkeiten.
In dreißig Offline-Settings aus MAMuJoCo, SMAC und MPE berichten die Autoren mittlere relative Gewinne von zweiundzwanzig Prozent gegenüber direkter Ausführung. Für ihr Standardprotokoll auf einer A100-Grafikkarte nennen sie zwölf Komma eins Millisekunden Zusatzlatenz, entsprechend zwei Komma fünf Prozent der gemessenen Generierungs- und Bewertungszeit.
Die Kennzahlen sind autorenberichtet und nicht auf reale Robotikflotten übertragbar. Die Arbeit liefert jedoch einen konkreten Prüfpunkt: Bei parallelen Akteuren sollten Erfolg, Kosten und Interaktionsfehler gemeinsam gemessen werden.
DIE KERNPUNKTE
- 01
MA-WAM bewertet gemeinsame Kandidatenaktionen statt isolierter Einzelzüge.
- 02
Der Ansatz ergänzt eine eingefrorene Multi-Agenten-Flow-Policy zur Laufzeit.
- 03
Die Autoren berichten dreißig Offline-MARL-Settings und A100-Messungen.
- 04
Die Resultate sind Preprint-Angaben und keine unabhängigen Feldtests.