論文の概要: Evolution of Coordination in Pairwise and Multi-player Interactions via
Prior Commitments
- arxiv url: http://arxiv.org/abs/2009.11727v2
- Date: Thu, 17 Dec 2020 12:21:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 05:25:25.416114
- Title: Evolution of Coordination in Pairwise and Multi-player Interactions via
Prior Commitments
- Title(参考訳): 事前コミットメントによるペアワイズおよびマルチプレイヤーインタラクションにおけるコーディネーションの進化
- Authors: Ogbo Ndidi Bianca, Aiman Elgarig, The Anh Han
- Abstract要約: 我々は、事前のコミットメントがコーディネーションを強化するための進化的なメカニズムであることを示す。
マルチパーティインタラクションでは、高いレベルのグループ多様性が必要な場合、事前のコミットメントが不可欠であることが証明される。
我々の分析は、人間のコミットメント能力によって引き起こされる行動進化の複雑さと美しさに関する新たな洞察を提供する。
- 参考スコア(独自算出の注目度): 0.8701566919381222
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Upon starting a collective endeavour, it is important to understand your
partners' preferences and how strongly they commit to a common goal.
Establishing a prior commitment or agreement in terms of posterior benefits and
consequences from those engaging in it provides an important mechanism for
securing cooperation. Resorting to methods from Evolutionary Game Theory (EGT),
here we analyse how prior commitments can also be adopted as a tool for
enhancing coordination when its outcomes exhibit an asymmetric payoff
structure, in both pairwise and multiparty interactions. Arguably, coordination
is more complex to achieve than cooperation since there might be several
desirable collective outcomes in a coordination problem (compared to mutual
cooperation, the only desirable collective outcome in cooperation dilemmas).
Our analysis, both analytically and via numerical simulations, shows that
whether prior commitment would be a viable evolutionary mechanism for enhancing
coordination and the overall population social welfare strongly depends on the
collective benefit and severity of competition, and more importantly, how
asymmetric benefits are resolved in a commitment deal. Moreover, in multiparty
interactions, prior commitments prove to be crucial when a high level of group
diversity is required for optimal coordination. The results are robust for
different selection intensities. Overall, our analysis provides new insights
into the complexity and beauty of behavioral evolution driven by humans'
capacity for commitment, as well as for the design of self-organised and
distributed multi-agent systems for ensuring coordination among autonomous
agents.
- Abstract(参考訳): 集団的な努力を始めるとき、パートナーの好みと彼らが共通の目標にどれだけ強くコミットするかを理解することが重要です。
後方利益の観点で事前の約束や合意を確立することは、協力を確保するための重要なメカニズムを提供する。
本稿では,進化ゲーム理論(egt)の手法を参考にし,その成果が対数と多元的相互作用の両方において非対称な報酬構造を示す場合の協調性を高めるツールとして,事前コミットメントをどのように採用するかを分析する。
協調問題にはいくつかの望ましい集団的成果があるかもしれない(協調的ジレンマにおいて唯一望ましい集団的成果である相互協力と比べれば)。
分析および数値シミュレーションにより, 先行コミットメントが協調の強化に有効な進化のメカニズムであるか否か, 社会福祉全体は競争の集団的利益と重大さに強く依存し, さらには非対称的利益がコミットメント契約でどのように解決されるかが示唆された。
さらに、マルチパーティインタラクションでは、最適な調整のために高いレベルのグループ多様性が必要な場合、事前のコミットメントが不可欠であることが証明される。
結果は異なる選択強度に対して堅牢である。
全体として,自律エージェント間の協調性を確保するための自己組織化・分散マルチエージェントシステムの設計だけでなく,人間のコミットメント能力による行動進化の複雑さと美しさに関する新たな知見を提供する。
関連論文リスト
- Decentralized and Lifelong-Adaptive Multi-Agent Collaborative Learning [57.652899266553035]
分散型および生涯適応型多エージェント協調学習は、中央サーバを使わずに複数のエージェント間のコラボレーションを強化することを目的としている。
動的協調グラフを用いた分散マルチエージェント生涯協調学習アルゴリズムであるDeLAMAを提案する。
論文 参考訳(メタデータ) (2024-03-11T09:21:11Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [55.65482030032804]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
提案手法は,軌道予測器が将来の状態を生成するために使用する関係の進化を捉えるために,動的に進化する関係グラフとハイパーグラフを推論する。
論文 参考訳(メタデータ) (2024-01-22T18:58:22Z) - CoMIX: A Multi-agent Reinforcement Learning Training Architecture for
Efficient Decentralized Coordination and Independent Decision Making [2.9008806248012333]
ロバストな調整スキルにより、エージェントは共有環境で凝集的に操作できる。
本稿では、フレキシブルポリシーによる創発的協調を可能にする分散型エージェントのための新しいトレーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2023-08-21T13:45:44Z) - Adaptive Value Decomposition with Greedy Marginal Contribution
Computation for Cooperative Multi-Agent Reinforcement Learning [48.41925886860991]
現実世界の協力はしばしばエージェント間の集中的な調整を必要とする。
単調なユーティリティの単調混合として値関数を学習する従来の方法は、非単調なリターンでタスクを解くことはできない。
非単調な問題に対処するための新しい明示的な信用割当手法を提案する。
論文 参考訳(メタデータ) (2023-02-14T07:23:59Z) - Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。
チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
論文 参考訳(メタデータ) (2022-10-17T07:16:44Z) - Iterated Reasoning with Mutual Information in Cooperative and Byzantine
Decentralized Teaming [0.0]
我々は,政策グラディエント(PG)の下での最適化において,エージェントの方針がチームメイトの方針に準じることが,本質的に相互情報(MI)の下限を最大化することを示す。
我々の手法であるInfoPGは、創発的協調行動の学習におけるベースラインを上回り、分散協調型MARLタスクにおける最先端の課題を設定します。
論文 参考訳(メタデータ) (2022-01-20T22:54:32Z) - Normative Disagreement as a Challenge for Cooperative AI [56.34005280792013]
典型的な協調誘導学習アルゴリズムは、問題の解決に協力することができないと論じる。
我々は,ノルム適応政策のクラスを開発し,これらが協調性を著しく向上させることを示す実験を行った。
論文 参考訳(メタデータ) (2021-11-27T11:37:42Z) - Improved cooperation by balancing exploration and exploitation in
intertemporal social dilemma tasks [2.541277269153809]
本研究では,探索と搾取のバランスをとることができる学習率を組み込むことで協調を達成するための新たな学習戦略を提案する。
簡単な戦略を駆使したエージェントは、時間的社会的ジレンマと呼ばれる意思決定タスクにおいて、相対的に集団的リターンを改善する。
また、学習率の多様性が強化学習エージェントの人口に与える影響についても検討し、異種集団で訓練されたエージェントが特に協調した政策を発達させることを示す。
論文 参考訳(メタデータ) (2021-10-19T08:40:56Z) - Balancing Rational and Other-Regarding Preferences in
Cooperative-Competitive Environments [4.705291741591329]
混合環境は利己的で社会的利益の衝突で悪名高い。
個人と社会的インセンティブのバランスをとるBAROCCOを提案します。
メタアルゴリズムは、Qラーニングとアクタークリティカルの両方のフレームワークと互換性があります。
論文 参考訳(メタデータ) (2021-02-24T14:35:32Z) - Structured Diversification Emergence via Reinforced Organization Control
and Hierarchical Consensus Learning [48.525944995851965]
組織制御の強化と階層的コンセンサス学習に基づく構造的多様化型MARLフレームワーク scRochico を提案する。
scRochicoは、探索効率と協力強度の観点から、現在のSOTAアルゴリズムよりもはるかに優れている。
論文 参考訳(メタデータ) (2021-02-09T11:46:12Z) - Efficient Querying for Cooperative Probabilistic Commitments [29.57444821831916]
マルチエージェントシステムは、一般的な調整インフラストラクチャの中核としてコミットメントを使用できる。
慎重に選択されたコミットメントの選択について問い合わせることで、協力エージェントが(およそ)最適なコミットメントを効率的に見つける方法を示します。
論文 参考訳(メタデータ) (2020-12-14T00:47:09Z)
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。