論文の概要: CoDe: Communication Delay-Tolerant Multi-Agent Collaboration via Dual Alignment of Intent and Timeliness

• arxiv url: http://arxiv.org/abs/2501.05207v1
• Date: Thu, 09 Jan 2025 12:57:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 13:58:10.821753
• Title: CoDe: Communication Delay-Tolerant Multi-Agent Collaboration via Dual Alignment of Intent and Timeliness
• Title（参考訳）: CoDe: インテントとタイムラインのデュアルアライメントによる通信遅延耐性多エージェントコラボレーション
• Authors: Shoucheng Song, Youfang Lin, Sheng Han, Chang Yao, Hao Wu, Shuo Wang, Kai Lv,
• Abstract要約: 本稿では,通信遅延耐性多エージェント協調(CoDe)という新しいフレームワークを提案する。 最初にCoDeは、将来のアクション推論を通じてメッセージとしての意図表現を学習する。 次にCoDeは、非同期メッセージの融合プロセスを強化するために、インテントとタイムラインの二重アライメント機構を考案した。
• 参考スコア（独自算出の注目度）: 21.627120541083553
• License:
• Abstract: Communication has been widely employed to enhance multi-agent collaboration. Previous research has typically assumed delay-free communication, a strong assumption that is challenging to meet in practice. However, real-world agents suffer from channel delays, receiving messages sent at different time points, termed {\it{Asynchronous Communication}}, leading to cognitive biases and breakdowns in collaboration. This paper first defines two communication delay settings in MARL and emphasizes their harm to collaboration. To handle the above delays, this paper proposes a novel framework, Communication Delay-tolerant Multi-Agent Collaboration (CoDe). At first, CoDe learns an intent representation as messages through future action inference, reflecting the stable future behavioral trends of the agents. Then, CoDe devises a dual alignment mechanism of intent and timeliness to strengthen the fusion process of asynchronous messages. In this way, agents can extract the long-term intent of others, even from delayed messages, and selectively utilize the most recent messages that are relevant to their intent. Experimental results demonstrate that CoDe outperforms baseline algorithms in three MARL benchmarks without delay and exhibits robustness under fixed and time-varying delays.
• Abstract（参考訳）: コミュニケーションは、マルチエージェントコラボレーションを強化するために広く利用されている。 従来の研究は一般的に遅延のないコミュニケーションを前提としていた。 しかし、現実世界のエージェントはチャネル遅延に悩まされ、異なる時間ポイントで送信されたメッセージを受信する。 本稿ではまず,MARLにおける2つの通信遅延設定を定義し,その協調性を強調した。 以上の遅延に対処するために,通信遅延耐性多エージェント協調(CoDe)という新しいフレームワークを提案する。 最初にCoDeは、エージェントの安定した振る舞い傾向を反映して、将来のアクション推論を通じてメッセージとしての意図表現を学習する。 次にCoDeは、非同期メッセージの融合プロセスを強化するために、インテントとタイムラインの二重アライメント機構を考案した。 このようにして、エージェントは、遅延したメッセージからでも他人の長期的な意図を抽出し、その意図に関連する最新のメッセージを選択的に活用することができる。 実験結果から,CoDeは3つのMARLベンチマークにおいて,遅延のないベースラインアルゴリズムより優れ,固定および時間変化の遅延下で頑健性を示すことが示された。

関連論文リスト

• 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)
• Context-aware Communication for Multi-agent Reinforcement Learning [6.109127175562235]
  マルチエージェント強化学習(MARL)のための文脈認識型コミュニケーション手法を開発した。 第1段階では、エージェントは放送方式で粗い表現を交換し、第2段階のコンテキストを提供する。 その後、エージェントは第2段階の注意機構を利用し、受信機用にパーソナライズされたメッセージを選択的に生成する。 CACOMの有効性を評価するため,アクタ批判型と値に基づくMARLアルゴリズムを併用する。
  論文  参考訳（メタデータ） (2023-12-25T03:33:08Z)
• CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society [58.04479313658851]
  本稿では,コミュニケーションエージェント間の自律的協調を支援するスケーラブルな手法の構築の可能性について検討する。 本稿では,ロールプレイングという新しいコミュニケーションエージェントフレームワークを提案する。 コントリビューションには、新しいコミュニケーティブエージェントフレームワークの導入、マルチエージェントシステムの協調行動や能力を研究するためのスケーラブルなアプローチの提供などが含まれます。
  論文  参考訳（メタデータ） (2023-03-31T01:09:00Z)
• DACOM: Learning Delay-Aware Communication for Multi-Agent Reinforcement Learning [19.36041216505116]
  コミュニケーション遅延を無視することはコラボレーションに有害な影響を与えることを示す。 遅延に適応するための遅延対応マルチエージェント通信モデル(DACOM)を設計する。 実験の結果,DACOMは他の機構に比べて非無視的な性能向上が見られた。
  論文  参考訳（メタデータ） (2022-12-03T14:20:59Z)
• Centralized Training with Hybrid Execution in Multi-Agent Reinforcement Learning [7.163485179361718]
  マルチエージェント強化学習(MARL)におけるハイブリッド実行の導入 MARLは、エージェントが任意の通信レベルを持つ協調タスクを実行時に完了させることを目標とする新しいパラダイムである。 我々は,自動回帰予測モデルを用いたMAROを集中的に訓練し,行方不明者の観察を推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-12T14:58:32Z)
• Multi-Agent Coordination via Multi-Level Communication [29.388570369796586]
  シークエンシャル・コミュニケーション(SeqComm)という新しいマルチレベル通信方式を提案する。 本稿では,新しいマルチレベル通信方式であるSeqCommを提案する。
  論文  参考訳（メタデータ） (2022-09-26T14:08:03Z)
• Coordinating Policies Among Multiple Agents via an Intelligent Communication Channel [81.39444892747512]
  MARL(Multi-Agent Reinforcement Learning)では、エージェントが直接通信できる特別なチャンネルがしばしば導入される。 本稿では,エージェントの集団的性能を向上させるために,エージェントが提供した信号の伝達と解釈を学習する,インテリジェントなファシリテータを通じてエージェントがコミュニケーションする手法を提案する。
  論文  参考訳（メタデータ） (2022-05-21T14:11:33Z)
• Accelerating Federated Edge Learning via Optimized Probabilistic Device Scheduling [57.271494741212166]
  本稿では,通信時間最小化問題を定式化し,解決する。 最適化されたポリシーは、トレーニングプロセスが進むにつれて、残りの通信ラウンドの抑制から、ラウンドごとのレイテンシの低減へと、徐々に優先順位を転換している。 提案手法の有効性は,自律運転における協調的3次元目標検出のユースケースを通じて実証される。
  論文  参考訳（メタデータ） (2021-07-24T11:39:17Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)
• 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。