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

• CaPo: Cooperative Plan Optimization for Efficient Embodied Multi-Agent Cooperation [98.11670473661587]
  CaPoは,1)メタプラン生成,2)プログレッシブなメタプランと実行の2つのフェーズで協調効率を向上する。 3Dworld Multi-Agent TransportとCommunicative Watch-And-Helpタスクの実験結果は、CaPoが最先端技術と比較してタスク完了率と効率をはるかに高めることを示した。
  論文  参考訳（メタデータ） (2024-11-07T13:08:04Z)
• Learning to Balance Altruism and Self-interest Based on Empathy in Mixed-Motive Games [47.8980880888222]
  マルチエージェントのシナリオは、しばしば混合モチベーションを伴い、潜在的な搾取に対する自己保護が可能な利他的エージェントを要求する。 共感に基づくアルトリズムと自己利益のバランスをとるためのLASE学習を提案する。 LASEはその報酬の一部を共同プレイヤにギフトとして割り当て、このアロケーションは社会的関係に基づいて動的に適応する。
  論文  参考訳（メタデータ） (2024-10-10T12:30:56Z)
• Cognitive Insights and Stable Coalition Matching for Fostering Multi-Agent Cooperation [6.536780912510439]
  本稿では,ToMレベルの異なるエージェントの強度を利用する新しい連立機構を提案する。 我々の研究は、ToMを活用して、より高度で人間らしいコーディネーション戦略を構築する可能性を実証しています。
  論文  参考訳（メタデータ） (2024-05-28T10:59:33Z)
• Co-Matching: Towards Human-Machine Collaborative Legal Case Matching [69.21196368715144]
  合法的なケースマッチングが成功するには、法的実践者の暗黙の知識が必要であり、機械に言語化してエンコードすることは困難である。 本稿では,協調マッチングフレームワークであるCo-Matchingを提案する。 本研究は,人間と機械の協調作業における先駆的な取り組みであり,今後の協調マッチング研究のマイルストーンとなる。
  論文  参考訳（メタデータ） (2024-05-16T16:50:31Z)
• 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)
• CoMIX: A Multi-agent Reinforcement Learning Training Architecture for Efficient Decentralized Coordination and Independent Decision-Making [2.4555276449137042]
  ロバストコーディネートスキルにより、エージェントは共有環境で、共通の目標に向けて、そして理想的には、お互いの進歩を妨げることなく、結合的に操作することができる。 本稿では,分散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であるCoordinated QMIXについて述べる。
  論文  参考訳（メタデータ） (2023-08-21T13:45:44Z)
• 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)
• 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。