Artykuł prezentuje kompleksowy przegląd badań nad wieloagentowym deep reinforcement learning (MARL) z wykorzystaniem graph neural networks (GNN) do komunikacji między agentami. Zagadnienie to jest ważne, ponieważ efektywna komunikacja między agentami jest kluczowa dla rozwiązywania złożonych problemów współpracy w systemach wieloagentowych. GNN-owe podejścia pozwalają na modelowanie strukturalnych relacji między agentami i dynamiczne dostosowywanie informacji wymienianej między nimi. Praca ma potencjał wpłynąć na rozwój bardziej zaawansowanych systemów autonomicznych, robotyki kooperacyjnej i