論文の概要: Hierarchical Reinforcement Learning for Cooperative Air-Ground Delivery in Urban System

• arxiv url: http://arxiv.org/abs/2602.12913v1
• Date: Fri, 13 Feb 2026 13:19:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.960458
• Title: Hierarchical Reinforcement Learning for Cooperative Air-Ground Delivery in Urban System
• Title（参考訳）: 都市システムにおける協調型空域輸送のための階層型強化学習
• Abstract要約: 本研究では,階層型強化学習フレームワークHRL4AGを提案する。 具体的には、HRL4AGは高レベルのマネージャを使用して、共同アクション空間を分解することでスケーラビリティのボトルネックに取り組む。 2つの実世界のデータセットと評価プラットフォームの実験は、HRL4AGが最先端のベースラインを大幅に上回ることを示した。
• 参考スコア（独自算出の注目度）: 41.96919926267983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cooperative air-ground delivery has emerged as a promising logistics paradigm by leveraging the complementary strengths of UAVs and ground carriers. However, effective dispatching in such heterogeneous systems faces two critical challenges: i) the heterogeneity between flight and road dynamics, ii) the scalability bottleneck raised by the exponential decision variables in large-scale fleets. To address these challenges, we propose HRL4AG, a Hierarchical Reinforcement Learning framework for cooperative Air-Ground delivery. Specifically, HRL4AG employs a high-level manager to tackle the scalability bottleneck by decomposing the joint action space, and mode-specific workers that encode distinct flight and road dynamics to address the heterogeneity. Furthermore, a novel internal reward mechanism is designed to guide the hierarchical policy learning, addressing the credit assignment problem in sparse-reward settings. Extensive experiments on two real-world datasets and an evaluation platform demonstrate that HRL4AG significantly outperforms state-of-the-art baselines, improving the delivery success rate by up to 26% while achieving an 80-fold increase in computational efficiency.
• Abstract（参考訳）: 航空母艦と地上空母の相補的な強みを活かして、共同空輸が有望な物流パラダイムとして浮上している。 しかし、このような異種システムにおける効果的なディスパッチは2つの重要な課題に直面している。 一 飛行と道路力学の不均一性 二 大規模艦隊における指数的決定変数によるスケーラビリティのボトルネック これらの課題に対処するため,協調型エアグラウンド配信のための階層型強化学習フレームワークHRL4AGを提案する。 具体的には、HRL4AGは、統合アクション空間を分解することでスケーラビリティのボトルネックに取り組むために高レベルのマネージャを使用し、異種性に対処するために、異なる飛行と道路のダイナミクスをエンコードするモード固有のワーカーを使用する。 さらに、階層的な政策学習を誘導する新たな内部報酬機構を設計し、スパース・リワード設定における信用割当問題に対処する。 2つの実世界のデータセットと評価プラットフォームに関する大規模な実験により、HRL4AGは最先端のベースラインを著しく上回り、デリバリ成功率を最大26%改善し、80倍の計算効率の向上を実現している。

関連論文リスト

• WAM-Diff2: Hierarchical AR-to-Diffusion Distillation for Highly Efficient Autonomous Driving VLA [27.102605117827398]
  VLA(Vision-Language-Action)モデルは、エンドツーエンドの自動運転の顕著なパラダイムとして登場した。 それらは、シーケンシャルな自己回帰的復号から生じる高い計算遅延と露出バイアスによって制約される。 WAM-Diff2は3段階階層戦略を利用したマルチタスク離散拡散VLAフレームワークである。
  論文  参考訳（メタデータ） (2026-08-02T06:45:16Z)
• Reinforcement Learning for Delivery Drone-Based Participatory Sensing in Dynamic Environments [31.33963902763075]
  問題をSensUAVとして形式化し、TSRL(Two TimeScale Reinforcement Learning framework)を提案する。 マクロレベルでは、タスク・エム・センシング・ディスペンサが異なるタスク機能を個別にエンコードすることでスケーラビリティを処理します。 マイクロレベルでは、風向速度制御器が微粒な速度スケジューリングを学習し、動的環境変動に適応する。
  論文  参考訳（メタデータ） (2026-07-21T09:06:23Z)
• EnvRL: Learn from Environment Dynamics in Agentic Reinforcement Learning [78.62829041672663]
  強化学習(RL)は大規模言語モデル(LLM)をエージェントとして訓練するための強力なパラダイムとして登場した。 本稿では,環境動態学習をエージェントRLに組み込むフレームワークであるEnvRLを提案する。
  論文  参考訳（メタデータ） (2026-06-16T08:48:09Z)
• Towards Precise Intent-Aligned VLA Aerial Navigation via Expert-Guided GRPO [10.368821738661707]
  VLAに基づく航空ナビゲーションのための効率的な強化学習フレームワークを提案する。 その中核として,数ショットのエキスパートデータでオンラインロールアウトを拡大するEG-GRPOを提案する。 複雑な人間の意図によって指定された複数のタスクに対して、EG-GRPOは成功率をSFTベースラインの2.13倍に改善し、インテントアライメント性能を60.9%向上させた。
  論文  参考訳（メタデータ） (2026-06-01T14:31:35Z)
• RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
  RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。 様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。 強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
  論文  参考訳（メタデータ） (2026-04-16T17:59:44Z)
• Multi-AUV Cooperative Target Tracking Based on Supervised Diffusion-Aided Multi-Agent Reinforcement Learning [19.584329065489893]
  本稿では,グローバルトレーニングスケジューリング,マルチエージェント調整,ローカル意思決定,リアルタイム実行の4層からなる階層型MARLアーキテクチャを提案する。 1) 分離された経験プールによる非定常性軽減のための構造化経験リプレイによる二重決定アーキテクチャ,2) 拡散モデルの逆復調過程を誘導して収束を加速する高忠実度トレーニングサンプルを生成する教師付き学習機構,3) 行動クローン損失を組み込んだ外乱ロバストなポリシー学習により,高品質なリプレイ動作を導出し,不要なネットワーク更新を実現すること,の3つの革新を特徴とする。
  論文  参考訳（メタデータ） (2026-03-31T08:32:32Z)
• Hybrid Belief Reinforcement Learning for Efficient Coordinated Spatial Exploration [3.0222726254970174]
  純粋なモデルに基づくアプローチは、構造化された不確実性推定を提供するが、適応的なポリシー学習を欠いている。 本稿では,このギャップに対処するためのハイブリッドな信念強化学習フレームワークを提案する。 その結果、累積報酬は10.8%上昇し、ベースラインよりも38%早く収束した。
  論文  参考訳（メタデータ） (2026-03-04T00:00:34Z)
• TopoCurate:Modeling Interaction Topology for Tool-Use Agent Training [53.93696896939915]
  訓練用ツール使用エージェントは一般的に、パスレート選択されたタスクに対して、軌道変更の成功と強化学習(RL)に依存している。 TopoCurateは,同一タスクから多段階的なロールアウトを統一的な意味的商トポロジに投影する対話型フレームワークである。 TopoCurateは最先端のベースラインに対して4.2%(SFT)と6.9%(RL)という一貫したゲインを達成している。
  論文  参考訳（メタデータ） (2026-03-02T10:38:54Z)
• Global Commander and Local Operative: A Dual-Agent Framework for Scene Navigation [96.88162755522342]
  視覚と言語 シーンナビゲーションは、人間のAIを具現化する基本的な能力である。 DACoは,グローバルな議論を現地の基盤から切り離す,計画的な非結合型アーキテクチャである。 グローバルな推論を局所的な行動から遠ざけることで、DACoは認知的過負荷を軽減し、長期的安定性を向上させる。
  論文  参考訳（メタデータ） (2026-02-21T19:19:55Z)
• Multi-Agent DRL for V2X Resource Allocation: Disentangling Challenges and Benchmarking Solutions [51.22818149833102]
  マルチエージェント強化学習(MARL)は、車間通信(C-V2X)ネットワークにおける無線リソース割り当ての有望なアプローチとして登場した。 しかし、MARLに固有の多面的課題はしばしば絡み合っており、車載環境における個々の影響を理解することは困難である。 我々は, C-V2X RRA を, 複雑さが徐々に増大する多エージェント干渉ゲーム列として定式化し, このギャップを埋める。
  論文  参考訳（メタデータ） (2026-02-18T14:46:56Z)
• OmniVL-Guard: Towards Unified Vision-Language Forgery Detection and Grounding via Balanced RL [63.388513841293616]
  既存の偽造検出手法は、現実世界の誤報に多いインターリーブされたテキスト、画像、ビデオを扱うのに失敗する。 このギャップを埋めるため,本論文では,オムニバス・ビジョン言語による偽造検出と接地のための統一フレームワークの開発を目標としている。 我々は、OmniVL-Guardという、オムニバス視覚言語による偽造検出と接地のためのバランスの取れた強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-11T09:41:36Z)
• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• AirFed: Federated Graph-Enhanced Multi-Agent Reinforcement Learning for Multi-UAV Cooperative Mobile Edge Computing [21.4907371859268]
  複数の無人航空機(UAV)協調移動エッジコンピューティング(MEC)システムは、軌道計画、タスクオフロード、リソース割り当ての調整において重要な課題に直面している。 既存のアプローチは、スケーラビリティの制限、収束の遅さ、UAV間の非効率な知識共有に悩まされている。 本稿では,新しい多エージェント強化学習フレームワークであるAirFedを提案する。
  論文  参考訳（メタデータ） (2025-10-27T06:31:35Z)
• STAR-RIS-assisted Collaborative Beamforming for Low-altitude Wireless Networks [58.13757830013997]
  無人航空機(UAV)に基づく無線ネットワークは、都市コミュニケーションに高いモビリティ、柔軟性、カバーを提供する。 閉塞により、密集した環境では信号の減衰が激しい。 この重要な問題に対処するために、UAVの協調ビームの導入と全方向逆方向ビームフォーミングについて検討する。
  論文  参考訳（メタデータ） (2025-10-25T01:28:37Z)
• Diffusion-RL Based Air Traffic Conflict Detection and Resolution Method [5.477141500588868]
  本稿では,Diffusion-ACという新たな自律的紛争解決フレームワークを提案する。 我々のフレームワークは、その方針を値関数で導かれる逆の認知過程としてモデル化し、リッチで高品質でマルチモーダルな行動分布を生成する。 大規模なシミュレーション実験により,提案手法は最先端のDRLベンチマークを著しく上回る結果を得た。
  論文  参考訳（メタデータ） (2025-09-02T23:17:46Z)
• CoordField: Coordination Field for Agentic UAV Task Allocation In Low-altitude Urban Scenarios [18.95579655633218]
  CoordFieldは、複雑な都市シナリオにおける異種ドローン群をコーディネートするための調整フィールドエージェントシステムである。 LLMは、高レベルの人間の命令を解釈し、それをUAVスワムの実行可能なコマンドに変換する役割を担っている。 UAV動作とタスク選択を誘導するコーディネーションフィールド機構を提案し,創発的タスクの分散および適応的アロケーションを可能にする。
  論文  参考訳（メタデータ） (2025-04-30T18:02:45Z)
• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)

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。