Neues MARL‑Benchmark CAMAR: Kontinuierliche Aktionen für Multi‑Agenten‑Routing

Die Forschung im Bereich Multi‑Agenten‑Reinforcement‑Learning (MARL) erhält einen bedeutenden Impuls: Der neue Benchmark CAMAR kombiniert kontinuierliche Zustands‑ und Aktionsräume mit anspruchsvollen Koordinations‑ und Planungsaufgaben. Damit füllt er eine Lücke, die bisher von den meisten MARL‑Benchmarks nicht abgedeckt wurde.

CAMAR ist speziell für das Multi‑Agenten‑Pfadfindung in Umgebungen mit kontinuierlichen Aktionen konzipiert. Er ermöglicht sowohl kooperative als auch kompetitive Interaktionen zwischen den Agenten und erreicht dabei eine beeindruckende Ausführungsgeschwindigkeit von bis zu 100.000 Umgebungs­schritten pro Sekunde. Diese Leistung macht ihn zu einem leistungsfähigen Testfeld für neue Algorithmen.

Ein weiteres Highlight ist das dreistufige Evaluationsprotokoll, das eine detailliertere Nachverfolgung des Fortschritts von Algorithmen erlaubt und tiefere Einblicke in die Leistungsanalyse bietet. CAMAR unterstützt zudem die Integration klassischer Planungsmethoden wie RRT und RRT*, die sowohl als eigenständige Baselines als auch in hybriden Ansätzen mit populären MARL‑Algorithmen eingesetzt werden können.

Die Entwickler stellen eine umfangreiche Sammlung von Test­szenarien und Benchmark‑Tools bereit, die Reproduzierbarkeit und faire Vergleichbarkeit gewährleisten. Erste Experimente zeigen, dass CAMAR ein herausforderndes und realistisches Testumfeld für die MARL‑Community darstellt und damit neue Forschungs­ansätze fördert.