Multi-Agent Goal Recognition with Team- and Goal-Conditioned Reinforcement Learning and Factorized Branch-and-Bound
다중 에이전트 목표 인식에서 관찰된 궤적만으로 어떤 에이전트가 팀을 이루고 각 팀의 목표가 무엇인지 동시에 추론해야 하며, MAGR-BB는 팀·목표 조건부 공유 정책을 점수 모델로 쓰는 분해형 분기한정(branch-and-bound) 탐색으로 조합적으로 커지는 가설 공간을 효율적으로 탐색한다. 다중 에이전트 Blocksworld 벤치마크에서 완전 탐색과 동일한 최상위 가설 순위를 유지하면서 가설 생성량을 크게 줄이고 누적 인식 런타임도 대폭 단축한다.