論文の概要: When2com: Multi-Agent Perception via Communication Graph Grouping

• arxiv url: http://arxiv.org/abs/2006.00176v2
• Date: Tue, 2 Jun 2020 19:32:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 18:17:27.171504
• Title: When2com: Multi-Agent Perception via Communication Graph Grouping
• Title（参考訳）: when2com: コミュニケーショングラフグルーピングによるマルチエージェント知覚
• Authors: Yen-Cheng Liu, Junjiao Tian, Nathaniel Glaser, Zsolt Kira
• Abstract要約: 多くのアプリケーションは、カバレッジやロバスト性などの利点により、複数のセンサーエージェントとエージェント間通信を必要とする。 したがって、分散かつ帯域幅効率のよいマルチエージェント協調認識をサポートするフレームワークを開発することが重要である。 本稿では,コミュニケーショングループの構築と通信のタイミングの決定を両立させることにより,コミュニケーションフレームワークを提案する。 本稿では,2つの異なる認識課題におけるフレームワークの一般化可能性を示すとともに,優れた性能を維持しつつ通信帯域幅を大幅に削減することを示す。
• 参考スコア（独自算出の注目度）: 31.804230874472292
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While significant advances have been made for single-agent perception, many applications require multiple sensing agents and cross-agent communication due to benefits such as coverage and robustness. It is therefore critical to develop frameworks which support multi-agent collaborative perception in a distributed and bandwidth-efficient manner. In this paper, we address the collaborative perception problem, where one agent is required to perform a perception task and can communicate and share information with other agents on the same task. Specifically, we propose a communication framework by learning both to construct communication groups and decide when to communicate. We demonstrate the generalizability of our framework on two different perception tasks and show that it significantly reduces communication bandwidth while maintaining superior performance.
• Abstract（参考訳）: 単一エージェントの認識には大きな進歩があったが、多くのアプリケーションはカバレッジやロバストネスなどの利点により、複数のセンサーエージェントとクロスエージェント通信を必要とする。 したがって、分散かつ帯域幅効率のよいマルチエージェント協調認識をサポートするフレームワークを開発することが重要である。 本稿では,あるエージェントが認識タスクを実行し,同じタスクで他のエージェントと情報を共有し共有することができるという,協調的な知覚問題に対処する。 具体的には,コミュニケーショングループの構築と通信のタイミングの決定を両立させることにより,コミュニケーションフレームワークを提案する。 2つの異なる知覚タスクにおけるフレームワークの一般化可能性を示し,優れた性能を維持しつつ通信帯域幅を著しく削減することを示す。

関連論文リスト

• Communication Learning in Multi-Agent Systems from Graph Modeling Perspective [62.13508281188895]
  本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。 本稿では,各エージェントに対して時間的ゲーティング機構を導入し,ある時間に共有情報を受信するかどうかの動的決定を可能にする。
  論文  参考訳（メタデータ） (2024-11-01T05:56:51Z)
• Learning Multi-Agent Communication from Graph Modeling Perspective [62.13508281188895]
  本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。 提案手法であるCommFormerは,通信グラフを効率よく最適化し,勾配降下によるアーキテクチャパラメータをエンドツーエンドで並列に洗練する。
  論文  参考訳（メタデータ） (2024-05-14T12:40:25Z)
• Pragmatic Communication in Multi-Agent Collaborative Perception [80.14322755297788]
  協調的な知覚は、知覚能力とコミュニケーションコストのトレードオフをもたらす。 PragCommは2つの重要なコンポーネントを持つマルチエージェント協調認識システムである。 PragCommは、32.7K以上の通信量で従来手法より一貫して優れていた。
  論文  参考訳（メタデータ） (2024-01-23T11:58:08Z)
• T2MAC: Targeted and Trusted Multi-Agent Communication through Selective Engagement and Evidence-Driven Integration [15.91335141803629]
  我々は、エージェントが選択的なエンゲージメントとエビデンス駆動の統合を学ぶのを助けるために、T2MAC(Targeted and Trusted Multi-Agent Communication)を提案する。 T2MACは、エージェントが個別化されたメッセージを作成し、理想的なコミュニケーションウィンドウをピンポイントし、信頼できるパートナーと対話することを可能にする。 本手法は,様々な課題を伴って,多様な協調型マルチエージェントタスクに対して評価を行う。
  論文  参考訳（メタデータ） (2024-01-19T18:00:33Z)
• Multi-agent Communication with Graph Information Bottleneck under Limited Bandwidth (a position paper) [92.11330289225981]
  多くの実世界のシナリオでは、通信は高価であり、マルチエージェントシステムの帯域幅には一定の制約がある。 通信資源を占有する冗長なメッセージは、情報的メッセージの送信をブロックし、パフォーマンスを損なう。 本稿では,通信グラフ内の構造情報とノード情報を効果的に圧縮し,帯域幅に制約のある設定に対処する,新しいマルチエージェント通信モジュールCommGIBを提案する。
  論文  参考訳（メタデータ） (2021-12-20T07:53:44Z)
• Adversarial Attacks On Multi-Agent Communication [80.4392160849506]
  現代の自律システムはすぐに大規模に展開され、協調型マルチエージェントシステムの可能性を広げる。 このような利点は、セキュリティ侵害に対して脆弱であることが示されている通信チャネルに大きく依存している。 本稿では,エージェントが学習した中間表現を共有してコミュニケーションする新しいマルチエージェント環境において,このような攻撃を探索する。
  論文  参考訳（メタデータ） (2021-01-17T00:35:26Z)
• The Emergence of Adversarial Communication in Multi-Agent Reinforcement Learning [6.18778092044887]
  多くの現実世界の問題は、複数の自律エージェントの調整を必要とする。 最近の研究は、複雑なマルチエージェント協調を可能にする明示的なコミュニケーション戦略を学ぶためのグラフニューラルネットワーク(GNN)の約束を示している。 一つの利己的なエージェントが高度に操作的なコミュニケーション戦略を学習し、協調的なエージェントチームを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2020-08-06T12:48:08Z)
• Learning Individually Inferred Communication for Multi-Agent Cooperation [37.56115000150748]
  我々はエージェントエージェントがエージェントエージェントコミュニケーションの事前学習を可能にするために、個別推論通信(I2C)を提案する。 先行知識は因果推論によって学習され、フィードフォワードニューラルネットワークによって実現される。 I2Cは通信オーバーヘッドを減らすだけでなく、様々なマルチエージェント協調シナリオのパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2020-06-11T14:07:57Z)
• Counterfactual Multi-Agent Reinforcement Learning with Graph Convolution Communication [5.5438676149999075]
  本稿では,エージェントが協調してシステムの有用性を最大化する,完全協調型マルチエージェントシステムについて考察する。 マルチエージェントシステムには,エージェント間の相互作用を伝達し,理解する能力が必要である。 エージェント間の通信を可能にするアーキテクチャを開発し,各エージェントに対するシステム報酬を調整する。
  論文  参考訳（メタデータ） (2020-04-01T14:36:13Z)
• On Emergent Communication in Competitive Multi-Agent Teams [116.95067289206919]
  外部のエージェントチームによるパフォーマンスの競争が社会的影響として作用するかどうかを検討する。 以上の結果から,外部競争の影響により精度と一般化が向上し,コミュニケーション言語が急速に出現することが示唆された。
  論文  参考訳（メタデータ） (2020-03-04T01:14:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。