論文の概要: Measuring Implicit Spatial Coordination in Teams: Effects on Collective Intelligence and Performance

• arxiv url: http://arxiv.org/abs/2509.09314v1
• Date: Thu, 11 Sep 2025 10:00:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.33063
• Title: Measuring Implicit Spatial Coordination in Teams: Effects on Collective Intelligence and Performance
• Title（参考訳）: チームにおける不必要な空間座標の測定:集団知性とパフォーマンスへの影響
• Abstract要約: 本稿では,協調型オンライン検索・救助作業における空間協調の3次元がチームパフォーマンスに与える影響について検討する。 捜索救助作業における特殊任務に割り当てられた34名の4人のチームからのデータを分析した。 その結果、空間的特殊化は性能を肯定的に予測し、適応的な空間的近接性は境界反転U字型関係を示し、適度な適応のレベルが最適であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.15293427903448023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coordinated teamwork is essential in fast-paced decision-making environments that require dynamic adaptation, often without an opportunity for explicit communication. Although implicit coordination has been extensively considered in the existing literature, the majority of work has focused on co-located, synchronous teamwork (such as sports teams) or, in distributed teams, primarily on coordination of knowledge work. However, many teams (firefighters, military, law enforcement, emergency response) must coordinate their movements in physical space without the benefit of visual cues or extensive explicit communication. This paper investigates how three dimensions of spatial coordination, namely exploration diversity, movement specialization, and adaptive spatial proximity, influence team performance in a collaborative online search and rescue task where explicit communication is restricted and team members rely on movement patterns to infer others' intentions and coordinate actions. Our metrics capture the relational aspects of teamwork by measuring spatial proximity, distribution patterns, and alignment of movements within shared environments. We analyze data from 34 four-person teams (136 participants) assigned to specialized roles in a search and rescue task. Results show that spatial specialization positively predicts performance, while adaptive spatial proximity exhibits a marginal inverted U-shaped relationship, suggesting moderate levels of adaptation are optimal. Furthermore, the temporal dynamics of these metrics differentiate high- from low-performing teams over time. These findings provide insights into implicit spatial coordination in role-based teamwork and highlight the importance of balanced adaptive strategies, with implications for training and AI-assisted team support systems.
• Abstract（参考訳）: コーディネートされたチームワークは、しばしば明示的なコミュニケーションの機会なしに、動的適応を必要とする、早いペースの意思決定環境において不可欠です。 既存の文献では暗黙の調整が広く検討されているが、作業の大部分は、同期チームワーク(スポーツチームなど)や、主に知識作業の調整に重点を置いている。 しかし、多くのチーム(消防士、軍、法執行機関、緊急対応)は、視覚的手がかりや広範囲な明示的なコミュニケーションの恩恵を受けずに、物理的な空間での動きを調整する必要がある。 本稿では,探索の多様性,移動の専門化,適応的な空間的近接性といった空間的調整の3つの側面が,明示的なコミュニケーションが制限された共同オンライン検索・救助作業におけるチームパフォーマンスにどのように影響するかを考察し,チームメンバーが他者の意図や行動の推測に移動パターンに依存していることを示す。 このメトリクスは、空間的近接、分布パターン、および共有環境内の動きのアライメントを測定することで、チームワークのリレーショナルな側面を捉えます。 捜索救助作業における特殊任務に割り当てられた34名の4人チーム(136名)のデータを分析した。 その結果、空間的特殊化は性能を肯定的に予測し、適応的な空間的近接性は境界反転U字型関係を示し、適度な適応のレベルが最適であることが示唆された。 さらに、これらのメトリクスの時間的ダイナミクスは、時間とともにハイパフォーマンスなチームとローパフォーマンスなチームを区別します。 これらの発見は、ロールベースのチームワークにおける暗黙の空間的調整に関する洞察を与え、トレーニングやAI支援チームサポートシステムに影響を及ぼすバランスの取れた適応戦略の重要性を強調します。

関連論文リスト

• CoMind: Understanding Collaborative Human Activity from Multiple Minds and Views [82.15362247351763]
  調理シナリオにおける現実のコラボレーションをキャプチャする,エゴセントリックでエクソセントリックなビデオデータセットを新たに導入する。 このデータセットは、マルチパースペクティブなビデオ、高品質なオーディオ、視線追跡、および3Dシーンとオブジェクトスキャンを統合する。 我々は,共同注意推定,社会的条件付きオブジェクトインタラクション予測,協調的ハンドオーバ予測のベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-07-07T18:08:45Z)
• Multi-Robot Open Adaptive Teaming Across Unseen Environments, Partners, and Scales [22.672686026111947]
  我々は,エージェント間の戦略的相互作用とペイオフ構造をモデル化するためのゲーム理論的な構成として,オープン適応型マルチロボット・コラボレーションを定式化する。 固定構成を最適化するのではなく、トレーニング中にパートナーと環境の多様性を段階的に拡大するHypergraphic Open-ended Learning Algorithm (HOLA) を開発した。
  論文  参考訳（メタデータ） (2026-07-06T12:02:02Z)
• SACHI: Structured Agent Coordination via Holistic Information Integration in Multi-Agent Reinforcement Learning [7.702487800530373]
  局所的な観測を行うマルチエージェント強化学習エージェントは、基本的な情報ボトルネックに直面している。 エージェント間の協調グラフ上でグラフトランスフォーマーが畳み込み、アクション選択前のチームメイトからのコンテンツ依存信号で各エージェントの表現を豊かにする、全体情報統合(SACHI)によるテキスト構造化エージェントコーディネーションを提案する。 SACHIは、全てのタスクにおいて最高のベースラインを一貫して一致または上回る、厳密な統計分析、例えばブートストラップ信頼区間の正規化メトリクス、フリードマンランキング、パフォーマンスプロファイリングは、この利点が統計的に有意であり、環境全体にわたって堅牢であり、モデルキャパシティの増加に起因するものではないことを確認している。
  論文  参考訳（メタデータ） (2026-05-08T19:00:34Z)
• Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
  大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。 本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
  論文  参考訳（メタデータ） (2026-05-07T14:19:17Z)
• TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size [54.0714652192002]
  物理に基づくヒューマノイド制御は、現実的でハイパフォーマンスな単一エージェントの動作を可能にするために顕著な進歩を遂げた。 我々は,複数の協力エージェント間で協調的なHOIを処理するための,単一の分散政策を実現するためのフレームワークであるTeamHOIを提案する。
  論文  参考訳（メタデータ） (2026-03-09T05:52:13Z)
• Path Planning Optimisation for SParse, AwaRe and Cooperative Networked Aerial Robot Teams (SpArC-NARTs): Optimisation Tool and Ground Sensing Coverage Use Cases [1.376408511310322]
  ネットワーク化された空中ロボットチーム(NART)は、無線リンクで相互接続されたエージェントのグループから構成される。 間欠的(すなわちスパース)であっても、エージェント間のデータ交換を可能にし、協調行動をサポートする。 本稿では,スパース,アウェア,協調型ネットワーク型ロボットチームのための新しい経路計画ツールを提案する。
  論文  参考訳（メタデータ） (2026-02-15T17:40:45Z)
• Learning to Interact in World Latent for Team Coordination [53.51290193631586]
  本研究は,多エージェント強化学習(MARL)におけるチーム協調を支援するために,対話型ワールドラテント(IWoL)という新しい表現学習フレームワークを提案する。 コミュニケーションプロトコルを直接モデル化することにより,エージェント間関係とタスク固有の世界情報とを協調的にキャプチャする学習可能な表現空間を構築する。 私たちの表現は、各エージェントの暗黙のラテントとしてだけでなく、コミュニケーションのための明示的なメッセージとしても使用できます。
  論文  参考訳（メタデータ） (2025-09-29T22:13:39Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [51.452664740963066]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• Asynchronous Message-Passing and Zeroth-Order Optimization Based Distributed Learning with a Use-Case in Resource Allocation in Communication Networks [11.182443036683225]
  分散学習と適応は大きな関心を集め、機械学習信号処理に広く応用されている。 本稿では、エージェントが共通のタスクに向けて協調するシナリオに焦点を当てる。 送信者として働くエージェントは、グローバルな報酬を最大化するために、それぞれのポリシーを共同で訓練する。
  論文  参考訳（メタデータ） (2023-11-08T11:12:27Z)
• Multi-Temporal Relationship Inference in Urban Areas [75.86026742632528]
  場所間の時間的関係を見つけることは、動的なオフライン広告やスマートな公共交通計画など、多くの都市アプリケーションに役立つ。 空間的に進化するグラフニューラルネットワーク(SEENet)を含むグラフ学習方式によるTrialの解を提案する。 SEConvは時間内アグリゲーションと時間間伝搬を実行し、位置メッセージパッシングの観点から、多面的に空間的に進化するコンテキストをキャプチャする。 SE-SSLは、位置表現学習を強化し、関係の空間性をさらに扱えるように、グローバルな方法でタイムアウェアな自己教師型学習タスクを設計する。
  論文  参考訳（メタデータ） (2023-06-15T07:48:32Z)
• Adaptive Coordination in Social Embodied Rearrangement [49.35582108902819]
  本研究では,エージェントが新しいパートナーと協力し,ロボットが新しいパートナーと協力するシナリオをエミュレートする作業において,ゼロショットコーディネート(ZSC)を研究する。 本稿では,識別可能性の目的を通じて多様性を促進する新しいZSCアプローチである行動多様性プレイ(BDP)を提案する。 以上の結果から,BDPは視覚的コーディネーションに対処可能な適応エージェントを学習し,ゼロショットは未確認環境において新たなパートナーに一般化し,ベースラインに比べて35%,効率が32%向上した。
  論文  参考訳（メタデータ） (2023-05-31T18:05:51Z)
• Reinforcement Learning for Location-Aware Scheduling [1.0660480034605238]
  倉庫環境の様々な側面がパフォーマンスや実行の優先順位にどのように影響するかを示す。 位置認識型マルチエージェントシステムのための状態空間と動作空間のコンパクト表現を提案する。 また、特定の環境で訓練されたエージェントが、完全に見えない環境でパフォーマンスを維持する方法を示す。
  論文  参考訳（メタデータ） (2022-03-07T15:51:00Z)
• Curriculum-Driven Multi-Agent Learning and the Role of Implicit Communication in Teamwork [24.92668968807012]
  難解なマルチエージェントコーディネーションタスクを解決するためのカリキュラム駆動型学習戦略を提案する。 我々は、創発的な暗黙のコミュニケーションが、優れた調整レベルを実現する上で大きな役割を果たすと主張している。
  論文  参考訳（メタデータ） (2021-06-21T14:54:07Z)
• Competing Adaptive Networks [56.56653763124104]
  適応エージェントのチーム間での分散競争のためのアルゴリズムを開発する。 本稿では,生成的対向ニューラルネットワークの分散学習への応用について述べる。
  論文  参考訳（メタデータ） (2021-03-29T14:42:15Z)
• Spatial Intention Maps for Multi-Agent Mobile Manipulation [30.016012417572707]
  視覚に基づく深層強化学習のための新しい意図表現である空間意図マップを提示する。 この表現では、各エージェントの意図は他のエージェントに提供され、視覚的観察と一致するオーバーヘッド2Dマップにレンダリングされます。 実験により,空間意図マップを組み込むことで,異なる移動操作タスクのパフォーマンスが向上し,協調行動が著しく向上することが示された。
  論文  参考訳（メタデータ） (2021-03-23T17:31:14Z)
• Exploring Zero-Shot Emergent Communication in Embodied Multi-Agent Populations [59.608216900601384]
  本研究では,3次元環境下で関節を作動させることでコミュニケーションを学ぶエージェントについて検討する。 現実的な仮定、意図の非一様分布、共通知識エネルギーコストにおいて、これらのエージェントは新規パートナーに一般化するプロトコルを見つけることができることを示す。
  論文  参考訳（メタデータ） (2020-10-29T19:23:10Z)

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。