論文の概要: Agree to Disagree: Consensus-Free Flocking under Constraints

• arxiv url: http://arxiv.org/abs/2601.19119v1
• Date: Tue, 27 Jan 2026 02:45:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 05:41:10.671345
• Title: Agree to Disagree: Consensus-Free Flocking under Constraints
• Title（参考訳）: 診断へのアグリー:制約下での合意なしのロック
• Authors: Peter Travis Jardine, Sidney Givigi,
• Abstract要約: フロッキングは伝統的に一様に望まれるエージェント間距離を仮定する。 これらのパラメータの交渉を可能にするソリューションを導入する。 このアプローチは、近隣のエージェントが競合する目標を追求する半信頼のシナリオに対して堅牢である。
• 参考スコア（独自算出の注目度）: 1.0312968200748116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots sometimes have to work together with a mixture of partially-aligned or conflicting goals. Flocking - coordinated motion through cohesion, alignment, and separation - traditionally assumes uniform desired inter-agent distances. Many practical applications demand greater flexibility, as the diversity of types and configurations grows with the popularity of multi-agent systems in society. Moreover, agents often operate without guarantees of trust or secure communication. Motivated by these challenges we update well-established frameworks by relaxing this assumption of shared inter-agent distances and constraints. Through a new form of constrained collective potential function, we introduce a solution that permits negotiation of these parameters. In the spirit of the traditional flocking control canon, this negotiation is achieved purely through local observations and does not require any global information or inter-agent communication. The approach is robust to semi-trust scenarios, where neighbouring agents pursue conflicting goals. We validate the effectiveness of the approach through a series of simulations.
• Abstract（参考訳）: ロボットは時々、部分的に整合した、あるいは矛盾する目標を混ぜ合わせて作業する必要がある。 フロッキング(Flocking) - 結束、アライメント、分離を通じて協調した動き。 多くの実用アプリケーションは、社会におけるマルチエージェントシステムの普及とともに、タイプや構成の多様性が増大するにつれて、より柔軟なものを必要としている。 さらに、エージェントは信頼や安全なコミュニケーションの保証なしに運用されることが多い。 これらの課題に動機づけられた私たちは、エージェント間の距離と制約を共有するというこの仮定を緩和することで、確立したフレームワークを更新します。 制約付き集合ポテンシャル関数の新たな形式を通じて、これらのパラメータの交渉を可能にする解を導入する。 伝統的な群れ制御カノンの精神では、この交渉は局地的な観察によって純粋に達成され、グローバルな情報やエージェント間通信は不要である。 このアプローチは、近隣のエージェントが競合する目標を追求する半信頼のシナリオに対して堅牢である。 提案手法の有効性をシミュレーションにより検証する。

関連論文リスト

• Diffusion Forcing for Multi-Agent Interaction Sequence Modeling [52.769202433667125]
  MAGNetはマルチエージェントモーション生成のための統合された自己回帰拡散フレームワークである。 フレキシブルな条件付けとサンプリングを通じて、幅広いインタラクションタスクをサポートする。 緊密に同期された活動と、ゆるやかに構造化された社会的相互作用の両方をキャプチャする。
  論文  参考訳（メタデータ） (2025-12-19T18:59:02Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• Evaluating Generalization Capabilities of LLM-Based Agents in Mixed-Motive Scenarios Using Concordia [100.74015791021044]
  大規模言語モデル(LLM)エージェントは、社会的相互作用の素晴らしい能力を実証している。 既存の評価手法は、これらの能力がいかに新しい社会的状況に一般化するかを測ることに失敗する。 我々は,NeurIPS 2024 Concordia Contestで,エージェントが相互利得を達成する能力について評価した経験的結果を示す。
  論文  参考訳（メタデータ） (2025-12-03T00:11:05Z)
• HeLoFusion: An Efficient and Scalable Encoder for Modeling Heterogeneous and Multi-Scale Interactions in Trajectory Prediction [11.30785902722196]
  HeLoFusionは、異種およびマルチスケールエージェントインタラクションをモデリングするための効率的でスケーラブルなエンコーダである。 本研究は,マルチスケールおよび異種相互作用を明示的にモデル化した局所性グラウンドアーキテクチャが,動き予測を推し進めるための極めて効果的な戦略であることを実証する。
  論文  参考訳（メタデータ） (2025-09-15T09:19:41Z)
• Multi-Agent Reinforcement Learning for Task Offloading in Wireless Edge Networks [3.065057842316041]
  エッジコンピューティングシステムでは、自律エージェントは共有リソースを競いながら、高速なローカル決定をしなければならない。 本稿では,各エージェントが制約付きマルコフ決定プロセス(CMDP)を解き,共有制約ベクトルを通じて暗黙的にコーディネートする分散フレームワークを提案する。 安全強化学習を用いて、エージェントは、地域とグローバルの両方の目標を満たすポリシーを学ぶ。
  論文  参考訳（メタデータ） (2025-09-01T08:47:36Z)
• 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)
• Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
  マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。 具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。 階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
  論文  参考訳（メタデータ） (2021-07-31T13:36:04Z)

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。