論文の概要: Agent Mars: Multi-Agent Simulation for Multi-Planetary Life Exploration and Settlement
- arxiv url: http://arxiv.org/abs/2602.13291v1
- Date: Mon, 09 Feb 2026 00:29:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 14:17:27.821419
- Title: Agent Mars: Multi-Agent Simulation for Multi-Planetary Life Exploration and Settlement
- Title（参考訳）: エージェントマーズ:マルチエージェントシミュレーションによる多言語生活の探索と定住
- Authors: Ziyang Wang,
- Abstract要約: 宇宙探査と開拓は広大な環境と資源を提供するが、地球に合わない制約を課している。
主な課題は、安全クリティカルなシステムにおける、専門化された人間、ロボット、デジタルサービス間の監査可能な調整である。
我々は,Agent Marsを紹介した。Agent Marsは,Marsベースオペレーションのための,エンドツーエンドのマルチエージェントシミュレーションフレームワークである。
- 参考スコア（独自算出の注目度）: 17.969021804498844
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial Intelligence (AI) has transformed robotics, healthcare, industry, and scientific discovery, yet a major frontier may lie beyond Earth. Space exploration and settlement offer vast environments and resources, but impose constraints unmatched on Earth: delayed/intermittent communications, extreme resource scarcity, heterogeneous expertise, and strict safety, accountability, and command authority. The key challenge is auditable coordination among specialised humans, robots, and digital services in a safety-critical system-of-systems. We introduce Agent Mars, an open, end-to-end multi-agent simulation framework for Mars base operations. Agent Mars formalises a realistic organisation with a 93-agent roster across seven layers of command and execution (human roles and physical assets), enabling base-scale studies beyond toy settings. It implements hierarchical and cross-layer coordination that preserves chain-of-command while allowing vetted cross-layer exchanges with audit trails; supports dynamic role handover with automatic failover under outages; and enables phase-dependent leadership for routine operations, emergencies, and science campaigns. Agent Mars further models mission-critical mechanisms-scenario-aware short/long-horizon memory, configurable propose-vote consensus, and translator-mediated heterogeneous protocols-to capture how teams align under stress. To quantify behaviour, we propose the Agent Mars Performance Index (AMPI), an interpretable composite score with diagnostic sub-metrics. Across 13 reproducible Mars-relevant operational scripts, Agent Mars reveals coordination trade-offs and identifies regimes where curated cross-layer collaboration and functional leadership reduce overhead without sacrificing reliability. Agent Mars provides a benchmarkable, auditable foundation for Space AI.
- Abstract（参考訳）: 人工知能(AI)は、ロボティクス、医療、産業、科学的発見を変革してきたが、地球を超えて大きなフロンティアとなるかもしれない。
宇宙探査と開拓は広大な環境と資源を提供するが、遅延・断続的な通信、極端な資源不足、異質な専門知識、厳格な安全、説明責任、指揮権限といった地球上の制約を課している。
重要な課題は、安全クリティカルなシステムにおける、専門化された人間、ロボット、デジタルサービス間の監査可能な調整である。
我々は,Agent Marsを紹介した。Agent Marsは,Marsベースオペレーションのための,エンドツーエンドのマルチエージェントシミュレーションフレームワークである。
エージェント・マーズ(Agent Mars)は、命令と実行(人間の役割と物理的資産)の7層にわたる93歳以上のロースターを持つ現実的な組織を定式化した。
監査パスとの拒否されたクロスレイヤ交換を可能にしながら、コマンドのチェーンを維持する階層的およびクロスレイヤ調整を実装し、自動フェールオーバによる動的ロールハンドオーバをサポートし、ルーチン操作、緊急事態、科学キャンペーンに対するフェーズ依存のリーダーシップを可能にする。
エージェントマーズはさらに、ミッションクリティカルなメカニズムを意識したショート/ロングホライゾンメモリ、設定可能な提案-ボイトコンセンサス、トランスレータを介する異種プロトコルをモデル化して、チームのストレス下での整合性を捉える。
振る舞いを定量化するために,診断サブメトリックを用いた解釈可能な複合スコアであるエージェント・マーズ・パフォーマンス・インデックス(AMPI)を提案する。
13の再現可能な火星関連運用スクリプトのうち、エージェント・マーズ(Agent Mars)は調整のトレードオフを明らかにし、調整された層間協力と機能的リーダーシップが信頼性を犠牲にすることなくオーバーヘッドを減少させる体制を特定する。
Agent Marsは、Space AIのベンチマーク可能な監査可能な基盤を提供する。
関連論文リスト
- AstroReason-Bench: Evaluating Unified Agentic Planning across Heterogeneous Space Planning Problems [71.89040853616602]
宇宙計画問題(SPP)におけるエージェント計画評価ベンチマークAstroReason-Benchを紹介する。
AstroReason-Benchは地上局通信やアジャイル地球観測を含む複数のスケジューリングシステムを統合し、統合されたエージェント指向のインタラクションプロトコルを提供する。
現在のエージェントは、現実的な制約下でのジェネラリスト計画の鍵となる制約を強調して、かなり性能が劣っていることが判明した。
論文 参考訳（メタデータ） (2026-01-16T15:02:41Z) - What Do LLM Agents Know About Their World? Task2Quiz: A Paradigm for Studying Environment Understanding [50.35012849818872]
大規模言語モデル(LLM)エージェントは、複雑な意思決定やツール使用タスクにおいて顕著な能力を示した。
本研究では,タスク実行と世界状態理解の分離を目的とした決定論的かつ自動評価パラダイムであるTask-to-Quiz(T2Q)を提案する。
実験の結果,タスク成功は環境理解の指標として不十分な場合が多く,現在の記憶機構はエージェントが環境の基底モデルを取得するのに有効ではないことが明らかとなった。
論文 参考訳（メタデータ） (2026-01-14T14:09:11Z) - Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。
異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。
我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
論文 参考訳（メタデータ） (2025-10-30T18:24:38Z) - Towards Self-Evolving Benchmarks: Synthesizing Agent Trajectories via Test-Time Exploration under Validate-by-Reproduce Paradigm [60.36837655498119]
本稿では,トラジェクトリをベースとしたエージェント・ベンチマーク・複雑度進化フレームワークを提案する。
このフレームワークは、既存のベンチマークから元のタスクを受け取り、エージェントがそれをより難しい新しいタスクに進化させるよう促す。
GAIAベンチマークの実験では、TRACEフレームワークはタスクの複雑さを継続的に向上し、正確性の信頼性を向上させる。
論文 参考訳（メタデータ） (2025-10-01T01:52:52Z) - UltraHorizon: Benchmarking Agent Capabilities in Ultra Long-Horizon Scenarios [63.67884284105684]
textbfUltraHorizonは、複雑な現実世界の課題に不可欠な基礎的能力を測定する新しいベンチマークである。
エージェントは、隠されたルールを反復的に発見しなければならない、長期にわたる発見タスクで設計されている。
実験の結果, LLM-agents はこれらの設定において常に不利な成績を示し, ヒトは高いスコアを得ることができた。
論文 参考訳（メタデータ） (2025-09-26T02:04:00Z) - From MAS to MARS: Coordination Failures and Reasoning Trade-offs in Hierarchical Multi-Agent Robotic Systems within a Healthcare Scenario [3.5262044630932254]
マルチエージェントロボットシステム(MARS)は、物理的およびタスク関連の制約を統合することで、マルチエージェントシステム上に構築される。
高度なマルチエージェントフレームワークが利用可能であるにも関わらず、実際のロボットへのデプロイメントは制限されている。
論文 参考訳（メタデータ） (2025-08-06T17:54:10Z) - Multi-Agent Reinforcement Learning for Autonomous Multi-Satellite Earth Observation: A Realistic Case Study [10.393102715510937]
低軌道(LEO)衛星の指数的な成長は、地球観測(EO)ミッションに革命をもたらした。
従来の最適化アプローチは、動的EOミッションのリアルタイムな意思決定要求を処理するのに苦労する。
RLをベースとした自律型EOミッション計画について,単一衛星操作をモデル化し,マルチ衛星コンステレーションに拡張することで検討する。
論文 参考訳（メタデータ） (2025-06-18T07:42:11Z) - From Virtual Agents to Robot Teams: A Multi-Robot Framework Evaluation in High-Stakes Healthcare Context [2.016235597066821]
現在のフレームワークは、エージェントを物理的に具体化されたエンティティではなく、概念的なタスク実行子として扱う。
本稿では,プロセスの透明性,前向きな障害回復,コンテキストグラウンド化を重視した3つの設計ガイドラインを提案する。
我々の研究は、よりレジリエントで堅牢なマルチエージェントロボットシステムの開発を知らせる。
論文 参考訳（メタデータ） (2025-06-04T04:05:38Z) - AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。
我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。
我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
論文 参考訳（メタデータ） (2024-06-06T15:15:41Z) - We Choose to Go to Space: Agent-driven Human and Multi-Robot
Collaboration in Microgravity [28.64243893838686]
将来の宇宙探査には人間とロボットが協力する必要がある。
本研究では,微小重力環境下での人間とロボットの協調戦略を学習するSpaceAgents-1を提案する。
論文 参考訳（メタデータ） (2024-02-22T05:32:27Z) - Enabling Astronaut Self-Scheduling using a Robust Advanced Modelling and
Scheduling system: an assessment during a Mars analogue mission [44.621922701019336]
アナログ宇宙飛行士の乗組員によるコンピュータ意思決定支援ツールの使用について検討した。
提案されたツールはRomieと呼ばれ、Robost Advanced Modelling and Scheduling (RAMS)システムの新しいカテゴリに属している。
論文 参考訳（メタデータ） (2023-01-14T21:10:05Z)
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。