論文の概要: On a Connection between Differential Games, Optimal Control, and Energy-based Models for Multi-Agent Interactions

• arxiv url: http://arxiv.org/abs/2308.16539v2
• Date: Mon, 16 Oct 2023 14:37:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 03:38:15.823786
• Title: On a Connection between Differential Games, Optimal Control, and Energy-based Models for Multi-Agent Interactions
• Title（参考訳）: 微分ゲーム, 最適制御, エネルギーベースモデルによるマルチエージェント相互作用の関連について
• Authors: Christopher Diehl and Tobias Klosek and Martin Kr\"uger and Nils Murzyn and Torsten Bertram
• Abstract要約: 差分ゲーム,最適制御,エネルギーベースモデルの関連性を示す。 この定式化に基づいて、この研究はエンド・ツー・エンドの学習アプリケーションを導入している。 シミュレーションされた移動ロボット歩行者インタラクションと実世界の自動運転データを用いた実験は、実証的な証拠を提供する。
• 参考スコア（独自算出の注目度）: 0.13499500088995461
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Game theory offers an interpretable mathematical framework for modeling multi-agent interactions. However, its applicability in real-world robotics applications is hindered by several challenges, such as unknown agents' preferences and goals. To address these challenges, we show a connection between differential games, optimal control, and energy-based models and demonstrate how existing approaches can be unified under our proposed Energy-based Potential Game formulation. Building upon this formulation, this work introduces a new end-to-end learning application that combines neural networks for game-parameter inference with a differentiable game-theoretic optimization layer, acting as an inductive bias. The experiments using simulated mobile robot pedestrian interactions and real-world automated driving data provide empirical evidence that the game-theoretic layer improves the predictive performance of various neural network backbones.
• Abstract（参考訳）: ゲーム理論は多エージェント相互作用をモデル化するための解釈可能な数学的枠組みを提供する。 しかし、現実世界のロボット応用への適用性は、未知のエージェントの好みや目標など、いくつかの課題によって妨げられている。 これらの課題に対処するために, 微分ゲーム, 最適制御, エネルギーベースモデルとの関係を示し, 提案するエネルギーベースのポテンシャルゲーム定式化の下で既存のアプローチをどのように統一できるかを実証する。 この定式化に基づいて、本研究では、ゲームパラメータ推論のためのニューラルネットワークと、インダクティブバイアスとして働く微分可能ゲーム理論最適化層を組み合わせた、新しいエンドツーエンド学習アプリケーションを紹介する。 シミュレーションされた移動ロボット歩行者インタラクションと実世界の自動運転データを用いた実験は、ゲーム理論層が様々なニューラルネットワークバックボーンの予測性能を向上させることを示す実証的証拠を提供する。

関連論文リスト

• Cyber Physical Games [0.0]
  エージェントと基礎となる物理的環境の間のコミュニケーション媒体に固有の非決定性が環境進化を引き起こすことを示す。 我々はこれらの創発性特性をサイバー物理ゲーム(Cyber Physical Games)と命名し、その特性について研究する。 本稿では,確率的有限状態オートマタによるサイバー物理ゲームの評価により,最も可能性の高いシステム進化を決定するアルゴリズムモデルを提案する。
  論文  参考訳（メタデータ） (2024-07-08T10:54:14Z)
• 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)
• Energy-based Potential Games for Joint Motion Forecasting and Control [0.125828876338076]
  この研究は、モーション予測と制御における相互作用モデリングに対処するための数学的枠組みとしてゲーム理論を用いる。 差動ゲーム,最適制御,エネルギーベースモデル間の接続を確立し,提案したエネルギーベースポテンシャルゲーム定式化の下で既存のアプローチをどのように統合できるかを示す。 本稿では,ゲームパラメータ推論のためのニューラルネットワークと,帰納バイアスとして機能するゲーム理論最適化層を組み合わせた,新たなエンドツーエンド学習アプリケーションを提案する。
  論文  参考訳（メタデータ） (2023-12-04T11:30:26Z)
• DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative Diffusion Models [102.13968267347553]
  本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。 我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
  論文  参考訳（メタデータ） (2023-11-28T18:58:48Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• Multi-Agent Verification and Control with Probabilistic Model Checking [4.56877715768796]
  確率的モデルチェック(probabilistic model check)は、ソフトウェアやハードウェアシステムに関する公式な自動推論手法である。 論理学、オートマトン、グラフ理論から最適化、数値法、制御に至るまで、様々な分野のアイデアと技術に基づいて構築される。 近年ではゲーム理論のアイデアを統合するために確率的モデル検査も拡張されている。
  論文  参考訳（メタデータ） (2023-08-05T09:31:32Z)
• 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)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• Learning Game-Theoretic Models of Multiagent Trajectories Using Implicit Layers [9.594432031144716]
  本稿では,ニューラルネットとゲーム理論的推論を併用したエンドツーエンドのトレーニング可能なアーキテクチャを提案する。 トラクタビリティのために、我々は新しいタイプの連続ポテンシャルゲームを導入し、アクション空間の平衡分離分割を導入する。 提案手法は,高速道路統合運転者の軌道を予測できる実世界の2つのデータセットと,簡易な意思決定伝達タスクで評価する。
  論文  参考訳（メタデータ） (2020-08-17T13:34:12Z)
• ThreeDWorld: A Platform for Interactive Multi-Modal Physical Simulation [75.0278287071591]
  ThreeDWorld (TDW) はインタラクティブなマルチモーダル物理シミュレーションのためのプラットフォームである。 TDWは、リッチな3D環境において、高忠実な感覚データのシミュレーションと、移動体エージェントとオブジェクト間の物理的相互作用を可能にする。 我々は、コンピュータビジョン、機械学習、認知科学における新たな研究方向において、TDWによって実現された初期実験を提示する。
  論文  参考訳（メタデータ） (2020-07-09T17:33:27Z)
• EvolveGraph: Multi-Agent Trajectory Prediction with Dynamic Relational Reasoning [41.42230144157259]
  本稿では,関係構造を明示的に認識し,潜在相互作用グラフによる予測を行う汎用軌道予測フレームワークを提案する。 将来の行動の不確実性を考慮すると、モデルはマルチモーダルな予測仮説を提供するように設計されている。 トレーニング効率を向上し、収束を加速するだけでなく、モデル性能も向上する2段トレーニングパイプラインを導入する。
  論文  参考訳（メタデータ） (2020-03-31T02:49:23Z)

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。