Fugu-MT 論文翻訳(概要): AGENT: An Adaptive Grouping Entrapping Method of Flocking Systems

論文の概要: AGENT: An Adaptive Grouping Entrapping Method of Flocking Systems

arxiv url: http://arxiv.org/abs/2206.14614v1
Date: Sat, 25 Jun 2022 15:12:18 GMT
ステータス: 処理完了
システム内更新日: 2022-07-03 05:17:35.698338
Title: AGENT: An Adaptive Grouping Entrapping Method of Flocking Systems
Title（参考訳）: エージェント:Flocking Systemの適応型グループエントラッピング手法
Authors: Chen Wang, Minqiang Gu, Wenxi Kuang, Dongliang Wang, Weicheng Luo, Zhaohui Shi, Zhun Fan
Abstract要約: 本研究では,エージェントの適応的グループ化を複数のターゲットに適応させる分散アルゴリズムを提案する。エージェントは環境情報に基づいて、どのターゲットを囲むべきかを自分で決定する。提案手法は,Swarmエージェントの協調が,Swarmレベルに侵入する複数のターゲットの現象を発生させることを保証する。
参考スコア（独自算出の注目度）: 4.922399029219211
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This study proposes a distributed algorithm that makes agents' adaptive grouping entrap multiple targets via automatic decision making, smooth flocking, and well-distributed entrapping. Agents make their own decisions about which targets to surround based on environmental information. An improved artificial potential field method is proposed to enable agents to smoothly and naturally change the formation to adapt to the environment. The proposed strategies guarantee that the coordination of swarm agents develops the phenomenon of multiple targets entrapping at the swarm level. We validate the performance of the proposed method using simulation experiments and design indicators for the analysis of these simulation and physical experiments.
Abstract（参考訳）: 本研究は,エージェントの適応的グループ化を,自動意思決定,円滑な群集化,分散エントラッピングを通じて複数ターゲットに展開する分散アルゴリズムを提案する。エージェントは環境情報に基づいて、どのターゲットを囲むべきかを自分で決定する。改良された人工電位場法により, 環境に適応するための形成を円滑かつ自然に変化させることができる。提案手法は,Swarmエージェントの協調が,Swarmレベルに侵入する複数のターゲットの現象を発生させることを保証する。提案手法の性能をシミュレーション実験と設計指標を用いて検証し,シミュレーションと物理実験の分析を行った。

関連論文リスト

Optimizing adaptive sampling via Policy Ranking [0.23020018305241333]
本稿では,計量式ランキングによる最適サンプリングポリシーの同定のためのフレームワークを提案する。提案手法は,コンフォーメーション空間を効果的に探索する能力に基づいて,政策アンサンブルを体系的に評価し,政策のランク付けを行う。本稿では,このランキングフレームワークを高速に近似する2つのサンプリングアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-10-20T02:58:20Z)
Efficient Adaptation in Mixed-Motive Environments via Hierarchical Opponent Modeling and Planning [51.52387511006586]
本稿では,HOP(Hierarchical Opponent Modeling and Planning)を提案する。 HOPは階層的に2つのモジュールから構成される: 相手の目標を推論し、対応する目標条件のポリシーを学ぶ、反対モデリングモジュール。 HOPは、さまざまな未確認エージェントと相互作用する際、優れた少数ショット適応能力を示し、セルフプレイのシナリオで優れている。
論文参考訳（メタデータ） (2024-06-12T08:48:06Z)
Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
論文参考訳（メタデータ） (2023-12-19T15:34:52Z)
Multi-Agent Reinforcement Learning-Based UAV Pathfinding for Obstacle Avoidance in Stochastic Environment [12.122881147337505]
マルチエージェント強化学習に基づく分散実行手法を用いた新しい集中型学習法を提案する。このアプローチでは、エージェントは集中型プランナーとのみ通信し、オンラインで分散的な決定を行う。訓練効率を高めるため,多段階強化学習において多段階値収束を行う。
論文参考訳（メタデータ） (2023-10-25T14:21:22Z)
Consistency Regularization for Generalizable Source-free Domain Adaptation [62.654883736925456]
ソースフリードメイン適応(source-free domain adapt, SFDA)は、ソースデータセットにアクセスすることなく、十分にトレーニングされたソースモデルを未学習のターゲットドメインに適応することを目的としている。既存のSFDAメソッドは、ターゲットのトレーニングセット上で適用されたモデルを評価し、目に見えないが同一の分散テストセットからデータを無視する。より一般化可能なSFDA法を開発するための整合正則化フレームワークを提案する。
論文参考訳（メタデータ） (2023-08-03T07:45:53Z)
Decentralized Adaptive Formation via Consensus-Oriented Multi-Agent Communication [9.216867817261493]
本稿では,Consensus-based Decentralized Adaptive Formation (Cons-DecAF) フレームワークを提案する。具体的には、コンセンサス指向のマルチエージェント通信(ConsMAC)という新しいマルチエージェント強化学習手法を開発する。エージェントの特定の位置を事前に割り当てる代わりに、Hausdorff 距離による変位に基づく生成を用いて、生成効率を著しく向上する。
論文参考訳（メタデータ） (2023-07-23T10:41:17Z)
Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。我々は2つの異なる社会問題に対してアルゴリズムを実行する。
論文参考訳（メタデータ） (2021-07-07T03:57:22Z)
Model-based Multi-agent Policy Optimization with Adaptive Opponent-wise Rollouts [52.844741540236285]
マルチエージェント強化学習(MARL)におけるモデルベース手法について検討する。 AORPO(Adaptive Opponent-wise Rollout Policy)と呼ばれる新しい分散型モデルベースのMARL法を提案する。
論文参考訳（メタデータ） (2021-05-07T16:20:22Z)
Automated Curriculum Learning for Embodied Agents: A Neuroevolutionary Approach [0.0]
進化的アルゴリズムを,進化的エージェントが評価される環境条件を自動的に選択するカリキュラム学習プロセスで拡張する方法を実証する。その結果, 提案手法が従来のアルゴリズムより優れ, 変動に頑健な解を生成することを示した。
論文参考訳（メタデータ） (2021-02-17T16:19:17Z)
Federated Learning under Importance Sampling [49.17137296715029]
本研究は, サンプリングエージェントと非均一に誘導されるデータに対する重要サンプリングと工夫の効果について検討する。代替のないサンプリングを含むスキームでは,結果のアーキテクチャの性能は,各エージェントのデータ変動性に関連する2つの要因によって制御される。
論文参考訳（メタデータ） (2020-12-14T10:08:55Z)
Learning to Collide: An Adaptive Safety-Critical Scenarios Generating Method [20.280573307366627]
本稿では,タスクアルゴリズム評価のための安全クリティカルなシナリオを作成するための生成フレームワークを提案する。提案手法は,グリッド探索や人的設計手法よりも安全クリティカルなシナリオを効率的に生成できることを実証する。
論文参考訳（メタデータ） (2020-03-02T21:26:03Z)

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。