論文の概要: LLM-mediated Dynamic Plan Generation with a Multi-Agent Approach

• arxiv url: http://arxiv.org/abs/2504.01637v1
• Date: Wed, 02 Apr 2025 11:42:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:19:49.589885
• Title: LLM-mediated Dynamic Plan Generation with a Multi-Agent Approach
• Title（参考訳）: マルチエージェントアプローチによるLCMによる動的プラン生成
• Authors: Reo Abe, Akifumi Ito, Kanata Takayasu, Satoshi Kurihara,
• Abstract要約: 動的環境に適応可能なネットワークを生成する手法を提案する。 提案手法は, 条件や目標を表す「統計」を収集し, エージェントの生成に利用する。 これらのエージェントは特定の条件に基づいて相互接続され、結果として柔軟性と一般性を組み合わせたネットワークとなる。
• 参考スコア（独自算出の注目度）: 1.0124625066746595
• License:
• Abstract: Planning methods with high adaptability to dynamic environments are crucial for the development of autonomous and versatile robots. We propose a method for leveraging a large language model (GPT-4o) to automatically generate networks capable of adapting to dynamic environments. The proposed method collects environmental "status," representing conditions and goals, and uses them to generate agents. These agents are interconnected on the basis of specific conditions, resulting in networks that combine flexibility and generality. We conducted evaluation experiments to compare the networks automatically generated with the proposed method with manually constructed ones, confirming the comprehensiveness of the proposed method's networks and their higher generality. This research marks a significant advancement toward the development of versatile planning methods applicable to robotics, autonomous vehicles, smart systems, and other complex environments.
• Abstract（参考訳）: 動的環境への高い適応性を持つ計画手法は、自律的で多目的なロボットの開発に不可欠である。 本稿では,動的環境に適応可能なネットワークを自動生成するために,大規模言語モデル(GPT-4o)を活用する手法を提案する。 提案手法は, 条件や目標を表す「統計」を収集し, エージェントの生成に利用する。 これらのエージェントは特定の条件に基づいて相互接続され、結果として柔軟性と一般性を組み合わせたネットワークとなる。 提案手法を手作業で構築したネットワークと自動生成したネットワークを比較し,提案手法の網羅性と高い汎用性を確認する評価実験を行った。 本研究は, ロボット工学, 自動運転車, スマートシステム, その他の複雑な環境に適用可能な多目的計画手法の開発に向けて, 重要な進展を示すものである。

関連論文リスト

• A Unified Modeling Framework for Automated Penetration Testing [7.670104854248101]
  自動貫入テスト(AutoPT)への人工知能の統合は、インテリジェントエージェントのトレーニングのためのシミュレーションモデルの必要性を強調している。 シミュレーションモデリングのための統一フレームワークが利用可能であることには、認識されているギャップがある。 本稿では,文献の目的,ネットワークシミュレーションの複雑さ,技術的および戦術的操作の依存性,シナリオフィードバックと変動に基づく研究を分類するためにMDCPMを紹介する。 政策自動化に基づく新しいモデリングフレームワークであるAutoPT-Simを紹介し,すべての部分次元の組み合わせを包含する。
  論文  参考訳（メタデータ） (2025-02-17T09:21:53Z)
• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  私たちは世界モデルを学ぶための新しいフレームワークを紹介します。 スケーラブルで堅牢なフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)
• A Local Information Aggregation based Multi-Agent Reinforcement Learning for Robot Swarm Dynamic Task Allocation [4.144893164317513]
  分散化された部分観測可能なマルコフ決定プロセス(Dec_POMDP)を用いた新しいフレームワークを提案する。 我々の方法論の核心は、局所情報集約多元決定政策勾配(LIA_MADDPG)アルゴリズムである。 実験により,LIAモジュールは様々なCTDEベースのMARL法にシームレスに統合可能であることが示された。
  論文  参考訳（メタデータ） (2024-11-29T07:53:05Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• Research on Autonomous Robots Navigation based on Reinforcement Learning [13.559881645869632]
  我々は、経路計画と意思決定プロセスを最適化するために、Deep Q Network (DQN) と Proximal Policy Optimization (PPO) モデルを使用します。 様々な複雑なシナリオにおいて,これらのモデルの有効性とロバスト性を検証した。
  論文  参考訳（メタデータ） (2024-07-02T00:44:06Z)
• RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
  RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。 我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
  論文  参考訳（メタデータ） (2023-11-02T17:59:21Z)
• HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and Sensing [1.3678064890824186]
  HARPS(Human Assisted Robotic Planning and Sensing)フレームワークは、ロボットチームにおけるアクティブなセマンティックセンシングと計画のためのフレームワークである。 このアプローチにより、人間が不規則にモデル構造を強制し、不確実な環境で意味的なソフトデータの範囲を拡張することができる。 大規模部分構造環境におけるUAV対応ターゲット探索アプリケーションのシミュレーションは、時間と信念状態の推定において著しく改善されている。
  論文  参考訳（メタデータ） (2021-10-20T00:41:57Z)
• Graph Neural Networks for Decentralized Multi-Robot Submodular Action Selection [101.38634057635373]
  ロボットがチームサブモジュールの目的を最大化するために共同で行動を選択する必要があるアプリケーションに焦点を当てる。 分散通信によるサブモジュール化に向けた汎用学習アーキテクチャを提案する。 大規模ロボットネットワークによるアクティブターゲットカバレッジのシナリオにおいて、GNNベースの学習アプローチのパフォーマンスを実証します。
  論文  参考訳（メタデータ） (2021-05-18T15:32:07Z)
• MAPPER: Multi-Agent Path Planning with Evolutionary Reinforcement Learning in Mixed Dynamic Environments [30.407700996710023]
  本稿では,進化的強化学習法(MAPPER)を用いた分散部分観測可能なマルチエージェントパス計画を提案する。 我々は、長距離ナビゲーションタスクを、グローバルプランナーの指導の下で、より簡単なサブタスクに分解する。 提案手法は,イメージベース表現を用いて動的障害物の挙動をモデル化し,均質性の仮定を伴わない混合動的環境におけるポリシーを訓練する。
  論文  参考訳（メタデータ） (2020-07-30T20:14:42Z)
• Learning High-Level Policies for Model Predictive Control [54.00297896763184]
  Model Predictive Control (MPC)は、ロボット制御タスクに対する堅牢なソリューションを提供する。 ニューラルネットワークの高レベルポリシーを学習するための自己教師付き学習アルゴリズムを提案する。 提案手法は, 標準的なMPCでは困難な状況に対処できることを示す。
  論文  参考訳（メタデータ） (2020-07-20T17:12:34Z)
• Model-based Reinforcement Learning for Decentralized Multiagent Rendezvous [66.6895109554163]
  目標を他のエージェントと整合させる人間の能力の下にあるのは、他人の意図を予測し、自分たちの計画を積極的に更新する能力である。 分散型マルチエージェントレンデブーのためのモデルに基づく強化学習手法である階層型予測計画(HPP)を提案する。
  論文  参考訳（メタデータ） (2020-03-15T19:49:20Z)

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。