論文の概要: Federated Single-Agent Robotics: Multi-Robot Coordination Without Intra-Robot Multi-Agent Fragmentation

• arxiv url: http://arxiv.org/abs/2604.11028v1
• Date: Mon, 13 Apr 2026 05:51:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.35244
• Title: Federated Single-Agent Robotics: Multi-Robot Coordination Without Intra-Robot Multi-Agent Fragmentation
• Title（参考訳）: Federated Single-Agent Robotics: ロボット内マルチエージェントフラグメンテーションのないマルチロボットコーディネーション
• Authors: Xue Qin, Simin Luan, John See, Cong Yang, Zhijun Li,
• Abstract要約: We present Federated Single-Agent Robotics, a runtime architecture for multi-robot coordinates built on single-agent Robot runtimes。 我々は,権限委譲,ロボット間能力要求,局所逆フライト回収境界,階層的人的監督といった重要な調整関係を定式化した。 その結果、ガバナンスの局所性と、分解性の高いベースラインに対するリカバリの封じ込めが統計的に有意な増加を示した。
• 参考スコア（独自算出の注目度）: 14.412476605788482
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As embodied robots move toward fleet-scale operation, multi-robot coordination is becoming a central systems challenge. Existing approaches often treat this as motivation for increasing internal multi-agent decomposition within each robot. We argue for a different principle: multi-robot coordination does not require intra-robot multi-agent fragmentation. Each robot should remain a single embodied agent with its own persistent runtime, local policy scope, capability state, and recovery authority, while coordination emerges through federation across robots at the fleet level. We present Federated Single-Agent Robotics (FSAR), a runtime architecture for multi-robot coordination built on single-agent robot runtimes. Each robot exposes a governed capability surface rather than an internally fragmented agent society. Fleet coordination is achieved through shared capability registries, cross-robot task delegation, policy-aware authority assignment, trust-scoped interaction, and layered recovery protocols. We formalize key coordination relations including authority delegation, inter-robot capability requests, local-versus-fleet recovery boundaries, and hierarchical human supervision, and describe a fleet runtime architecture supporting shared Embodied Capability Module (ECM) discovery, contract-aware cross-robot coordination, and fleet-level governance. We evaluate FSAR on representative multi-robot coordination scenarios against decomposition-heavy baselines. Results show statistically significant gains in governance locality (d=2.91, p<.001 vs. centralized control) and recovery containment (d=4.88, p<.001 vs. decomposition-heavy), while reducing authority conflicts and policy violations across all scenarios. Our results support the view that the path from embodied agents to embodied fleets is better served by federation across coherent robot runtimes than by fragmentation within them.
• Abstract（参考訳）: ロボットが艦隊規模の運用に向かって進むにつれ、マルチロボットの協調はシステムの中心的課題になりつつある。 既存のアプローチでは、これを各ロボットの内部のマルチエージェント分解を増大させる動機として扱うことが多い。 マルチロボットの協調は、ロボット内のマルチエージェントの断片化を必要としない。 各ロボットは、自身の永続的ランタイム、ローカルポリシースコープ、能力状態、リカバリ権限を持つ単一の実施エージェントのままでなければならない。 単エージェントロボットランタイム上に構築されたマルチロボット協調のためのランタイムアーキテクチャであるFSAR(Federated Single-Agent Robotics)を提案する。 各ロボットは内部の断片化されたエージェント社会ではなく、支配された能力面を公開する。 フリートコーディネーションは、共有機能レジストリ、クロスロボットタスクデリゲート、ポリシー対応権限割り当て、信頼スコープインタラクション、レイヤ化されたリカバリプロトコルを通じて実現される。 我々は、権限委譲、ロボット間能力要求、地域-逆-フリート回復境界、階層的な人的監督を含む主要な調整関係を定式化し、共有Embodied Capability Module(ECM)発見、契約対応のクロスロボット調整、およびフリートレベルのガバナンスをサポートするフリートランタイムアーキテクチャを記述する。 我々は,分解重ベースラインに対する代表的マルチロボット調整シナリオに対してFSARを評価する。 その結果, ガバナンスの局所性 (d=2.91, p<.001, 集中管理) とリカバリの包摂性 (d=4.88, p<.001, 分解重度) は統計的に有意な上昇を示した。 本研究は,エボディーエージェントからエボディーフリートへの道筋が,コヒーレントロボットランタイム間のフェデレーションにより,その内部の断片化よりも有効である,という見解を支持した。

関連論文リスト

• HECTOR: Human-centric Hierarchical Coordination and Supervision of Robotic Fleets under Continual Temporal Tasks [7.155003467581939]
  本研究は,長期的かつ不確実な時間的課題下での大規模ロボット群を対象とした,人間中心の協調・監督スキーム(HECTOR)を提案する。 それは3つの階層的なレイヤで構成されている: (I) オンラインヒューマン・フリートインタラクションの双方向およびマルチモーダルプロトコルで、オペレーターが艦隊全体と対話し、監督する。
  論文  参考訳（メタデータ） (2026-04-13T01:39:19Z)
• MOSAIC: Modular Scalable Autonomy for Intelligent Coordination of Heterogeneous Robotic Teams [10.664029115378813]
  統合されたミッション抽象化を用いたマルチロボット科学探査のためのスケーラブルな自律フレームワークを提案する。 提案したフレームワークは,操作者の介入を限定した堅牢でスケーラブルなマルチロボット科学探査を可能にする。
  論文  参考訳（メタデータ） (2026-01-30T14:46:15Z)
• Fault-Tolerant Multi-Robot Coordination with Limited Sensing within Confined Environments [0.6144680854063939]
  マルチロボットシステムにおける物理的接触相互作用を利用した新しいフォールトトレランス手法を提案する。 そこで本研究では, ロボットの動作を, 操作不能なロボットに遭遇する可能性に基づいて調整する「アクティブコンタクト応答(ACR)」手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T02:43:36Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• AdverSAR: Adversarial Search and Rescue via Multi-Agent Reinforcement Learning [4.843554492319537]
  本稿では,敵対的エージェント間コミュニケーションの存在下で,ロボットの戦略を効率的に調整するアルゴリズムを提案する。 ロボットは対象の場所について事前の知識を持っておらず、隣接するロボットのサブセットのみといつでも対話できると仮定される。 提案手法の有効性は, グリッドワールド環境のプロトタイプで実証した。
  論文  参考訳（メタデータ） (2022-12-20T08:13:29Z)
• Decentralized Global Connectivity Maintenance for Multi-Robot Navigation: A Reinforcement Learning Approach [12.649986200029717]
  本研究では、接続性を維持しながら、未知の環境でマルチロボットチームをナビゲートする方法を検討する。 複数のロボット間で共有される分散型ポリシーを開発するための強化学習手法を提案する。 接続制約と行動クローニングの異なる組み合わせを比較することで,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-09-17T13:20:19Z)

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。