論文の概要: SIGMAS: Second-Order Interaction-based Grouping for Overlapping Multi-Agent Swarms

• arxiv url: http://arxiv.org/abs/2603.00120v1
• Date: Mon, 23 Feb 2026 01:43:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.032789
• Title: SIGMAS: Second-Order Interaction-based Grouping for Overlapping Multi-Agent Swarms
• Title（参考訳）: SIGMAS: 重なり合うマルチエージェントスワーミングのための2次インタラクションベースグルーピング
• Authors: Minah Lee, Saibal Mukhopadhyay,
• Abstract要約: 重なり合うマルチエージェント群におけるグループ予測の新たな課題を紹介する。 SIGMAS (Second-order Interaction-based Grouping for Multi-Agent Swarms) を提案する。 SIGMASは潜伏群構造を正確に復元し,同時に重なり合うSwarm動的条件下では頑健であることを示す。
• 参考スコア（独自算出の注目度）: 12.265270375417517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Swarming systems, such as drone fleets and robotic teams, exhibit complex dynamics driven by both individual behaviors and emergent group-level interactions. Unlike traditional multi-agent domains such as pedestrian crowds or traffic systems, swarms typically consist of a few large groups with inherent and persistent memberships, making group identification essential for understanding fine-grained behavior. We introduce the novel task of group prediction in overlapping multi-agent swarms, where latent group structures must be inferred directly from agent trajectories without ground-truth supervision. To address this challenge, we propose SIGMAS (Second-order Interaction-based Grouping for Multi-Agent Swarms), a self-supervised framework that goes beyond direct pairwise interactions and model second-order interaction across agents. By capturing how similarly agents interact with others, SIGMAS enables robust group inference and adaptively balances individual and collective dynamics through a learnable gating mechanism for joint reasoning. Experiments across diverse synthetic swarm scenarios demonstrate that SIGMAS accurately recovers latent group structures and remains robust under simultaneously overlapping swarm dynamics, establishing both a new benchmark task and a principled modeling framework for swarm understanding.
• Abstract（参考訳）: ドローン艦隊やロボットチームのようなスワーミングシステムは、個々の行動と創発的なグループレベルの相互作用の両方によって駆動される複雑なダイナミクスを示す。 歩行者の群衆や交通システムのような伝統的なマルチエージェントのドメインとは異なり、スワムは通常、固有の永続的なメンバーシップを持つ少数の大きなグループで構成されており、きめ細かい振る舞いを理解するためにグループ識別が不可欠である。 重なり合うマルチエージェント群群におけるグループ予測の新たな課題について紹介する。 この課題に対処するため,SIGMAS (Second-order Interaction-based Grouping for Multi-Agent Swarms) を提案する。 SIGMASは、他のエージェントとどのように相互作用するかをキャプチャすることで、グループ推論を堅牢にし、共同推論のための学習可能なゲーティング機構を通じて個人と集団のダイナミクスを適応的にバランスさせることができる。 多様な合成Swarmシナリオに対する実験により、SIGMASは潜伏したグループ構造を正確に回復し、同時に重なるSwarmダイナミクスの下で頑健であり、Swarm理解のための新しいベンチマークタスクと原則モデリングフレームワークを確立する。

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)
• Emergent Coordination in Multi-Agent Language Models [2.504366738288215]
  マルチエージェントシステムが高次構造の兆候を示すかどうかをテストするための情報理論フレームワークを提案する。 この情報分解により、マルチエージェントLLMシステムに動的に出現するかどうかを測定することができる。 我々は,エージェントの直接通信を使わずに,単純な推測ゲームを用いた実験に本フレームワークを適用した。
  論文  参考訳（メタデータ） (2025-10-05T11:26:41Z)
• Navigating the swarm: Deep neural networks command emergent behaviours [2.7059353835118602]
  エージェント間相互作用ルールを微調整することにより,グローバルなパターンを意図した集合行動の協調構造を生成することができることを示す。 私たちの戦略では、望ましい構造を指示する相互作用ルールを見つけるために、ダイナミックスの法則に従うディープニューラルネットワークを採用しています。 本研究は, ロボット群操作, アクティブ物質組織, 生体システムにおける不明瞭な相互作用規則の解明における新たな応用の道を開くものである。
  論文  参考訳（メタデータ） (2024-07-16T02:46:11Z)
• AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors [93.38830440346783]
  本稿では,その構成をより高機能なシステムとして協調的に調整できるマルチエージェントフレームワークを提案する。 実験により,フレームワークが単一エージェントより優れたマルチエージェントグループを効果的に展開できることが実証された。 これらの振舞いの観点から、我々は、ポジティブなものを活用し、ネガティブなものを緩和し、マルチエージェントグループの協調可能性を改善するためのいくつかの戦略について議論する。
  論文  参考訳（メタデータ） (2023-08-21T16:47:11Z)
• 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)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)

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。