論文の概要: TurboADMM: A Structure-Exploiting Parallel Solver for Multi-Agent Trajectory Optimization
- arxiv url: http://arxiv.org/abs/2602.15838v1
- Date: Wed, 14 Jan 2026 23:11:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.518289
- Title: TurboADMM: A Structure-Exploiting Parallel Solver for Multi-Agent Trajectory Optimization
- Title（参考訳）: TurboADMM:マルチエージェント軌道最適化のための構造展開並列解法
- Authors: Yucheng Chen,
- Abstract要約: 密接な相互作用ネットワークを用いたマルチエージェント軌道最適化では、大きな結合QPを制御速度で解く必要がある。
汎用QPソルバ(OSQP, MOSEK)を使用する場合、通常はマルチエージェント問題をモノリシックに扱う。
本稿では,3つの相補的成分の体系的共設計により,エージェント数における線形複雑度を経験的に近似する専用単機QP解法であるTurboADMMを紹介する。
- 参考スコア（独自算出の注目度）: 1.6071884154693146
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-agent trajectory optimization with dense interaction networks require solving large coupled QPs at control rates, yet existing solvers fail to simultaneously exploit temporal structure, agent decomposition, and iteration similarity. One usually treats multi-agent problems monolithically when using general-purpose QP solvers (OSQP, MOSEK), which encounter scalability difficulties with agent count. Structure-exploiting solvers (HPIPM) leverage temporal structure through Riccati recursion but can be vulnerable to dense coupling constraints. We introduce TurboADMM, a specialized single-machine QP solver that achieves empirically near linear complexity in agent count through systematic co-design of three complementary components: (1) ADMM decomposition creates per-agent subproblems solvable in parallel, preserving block-tridiagonal structure under dense coupling; (2) Riccati warmstart exploits temporal structure to provide high-quality primal-dual initialization for each agent's QP; (3) parametric QP hotstart \footnote{In the paper, we refer warmstart as the technique that uses the Riccati equation results as auxiliary QP initialization for a single QP solve, while hotstart as reusing the QR factorization across QP solve iterations.}in qpOASES reuses similar KKT system factorizations across ADMM iterations.
- Abstract（参考訳）: 密接な相互作用ネットワークを用いたマルチエージェント軌道最適化では、大きな結合QPを制御速度で解く必要があるが、既存の解法は時間構造、エージェント分解、イテレーション類似性を同時に利用できない。
汎用QPソルバ(OSQP, MOSEK)を使用する場合、エージェント数によるスケーラビリティ上の問題に直面する場合、通常マルチエージェント問題をモノリシックに扱う。
構造探索ソルバ (HPIPM) は、リカティ再帰を通じて時間構造を利用するが、密結合制約に弱い。
我々は,(1)ADMM分解により並列に解決可能なサブプロブレムを並列に生成し,密結合下でブロック三角形構造を保存する,(2)Riccati warmstartは時間構造を利用して,各エージェントのQPの高品質な原始的初期化を提供する,(3)パラメトリックQP hotstart \footnote{本論文では,Racati方程式を1つのQPの補助的QP初期化として用いる手法として,ウォームスタートを,QPの繰り返しにおけるQR化を再利用する,という3つの相補的成分の体系的共設計を通じて,エージェントカウントの線形複雑性を経験的に実現した,特殊なシングルマシンQPソルバであるTurboadMMを紹介する。
qpOASESはADMMイテレーション間で類似したKKTシステムの分解を再利用する。
関連論文リスト
- Beyond Monolithic Architectures: A Multi-Agent Search and Knowledge Optimization Framework for Agentic Search [56.78490647843876]
エージェント検索は、大規模言語モデル(LLM)が推論とツールの使用をインターリーブできるようにすることによって、複雑な情報を探すための有望なパラダイムとして登場した。
本稿では,bfM-ASKを提案する。bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK。
論文 参考訳（メタデータ） (2026-01-08T08:13:27Z) - Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。
問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。
BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文 参考訳（メタデータ） (2025-12-20T12:06:13Z) - Multi-Agent Pointer Transformer: Seq-to-Seq Reinforcement Learning for Multi-Vehicle Dynamic Pickup-Delivery Problems [17.3780399150554]
本稿では,シーケンス・ツー・シーケンスに基づくエンドツーエンドの集中型意思決定フレームワークであるMulti-Agent Pointer Transformer(MAPT)を提案する。
MAPTは、古典的な操作研究手法と比較して、性能と計算時間の優位性という点で、既存のベースライン手法を著しく上回っている。
論文 参考訳（メタデータ） (2025-11-21T17:32:10Z) - PARCO: Parallel AutoRegressive Models for Multi-Agent Combinatorial Optimization [25.209951743372855]
PARCOはマルチエージェントタスクのための高品質なソリューションを効率的に構築するために設計された強化学習フレームワークである。
マルチエージェント車両のルーティングとスケジューリングにおけるPARCOの評価を行い,提案手法は最先端の学習方法よりも優れていることを示した。
論文 参考訳（メタデータ） (2024-09-05T17:49:18Z) - DASA: Delay-Adaptive Multi-Agent Stochastic Approximation [64.32538247395627]
我々は,N$エージェントが並列に動作し,中央サーバと通信することで,一般的な近似問題を高速化することを目的とした設定を考える。
遅延とストラグラーの効果を軽減するために,マルチエージェント近似のための遅延適応アルゴリズムである textttDASA を提案する。
論文 参考訳（メタデータ） (2024-03-25T22:49:56Z) - Weakly Coupled Deep Q-Networks [5.76924666595801]
弱結合マルコフ決定過程(WCMDP)の性能を向上させる新しい深層強化学習アルゴリズムを提案する。
WCDQNは、複数のDQN"サブエージェント"を訓練するために1つのネットワークを使用し、各サブプロブレムに対して1つを訓練し、それらのソリューションを組み合わせて最適なアクション値の上限を確立する。
論文 参考訳（メタデータ） (2023-10-28T20:07:57Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - Decomposability and Parallel Computation of Multi-Agent LQR [19.710361049812608]
連続時間線形MASにおける線形レギュレータ(LQR)設計のための並列RLスキームを提案する。
我々は、MAS が均質であれば、この分解は閉ループ最適性を保持することを示す。
提案手法は,LQRコストの累積価値を損なうことなく,学習の大幅な高速化を保証できる。
論文 参考訳（メタデータ） (2020-10-16T20:15:39Z) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳（メタデータ） (2020-06-15T02:57:57Z)
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。