論文の概要: HULK: Large-scale Hierarchical Coordination under Continual and Uncertain Temporal Tasks
- arxiv url: http://arxiv.org/abs/2605.08722v1
- Date: Sat, 09 May 2026 06:10:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 15:05:17.349678
- Title: HULK: Large-scale Hierarchical Coordination under Continual and Uncertain Temporal Tasks
- Title（参考訳）: HULK: 時間的・不確実なタスクにおける大規模階層的コーディネーション
- Abstract要約: この研究は、連続的かつ不確実な時間的タスクの下での大規模調整問題に取り組む。
提案された階層的なフレームワークであるHULKは、2つのインターリーブされたレイヤで構成されている。
種々の時間的タスクと環境不確実性の下で, 大規模異種システムに対して厳密に検証する。
- 参考スコア（独自算出の注目度）: 5.337512368549053
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-agent systems can be extremely efficient when working concurrently and collaboratively, e.g., for delivery, surveillance, search and rescue. Coordination of such teams often involves two aspects: selecting appropriate subteams for different tasks in various areas, and coordinating agents in the subteams to execute the associated subtasks. Existing work often assumes that the tasks are static and known beforehand, where an integer program can be formulated and solved offline. However, in many applications, the team-wise tasks are generated online continually by external requests, and the amount of subtasks within each task is uncertain, e.g., the number of packages to deliver or victims to rescue. The aforementioned offline solution becomes inadequate as it would require constant re-computation for the whole team and global communication to broadcast the results. Thus, this work tackles the large-scale coordination problem under continual and uncertain temporal tasks, specified as temporal logic formulas over collaborative actions. The proposed hierarchical framework, HULK, consists of two interleaved layers: the rolling assignment of currently known tasks to subteams within a certain horizon, and the dynamic coordination within a subteam given the detected subtasks during online execution. Thus, coordination is performed hierarchically at different granularities and triggering conditions, improving computational efficiency and robustness. The method is validated rigorously over large-scale heterogeneous systems under various temporal tasks and environment uncertainties.
- Abstract（参考訳）: マルチエージェントシステムは、デリバリ、監視、捜索、救助など、同時かつ協調的に作業する場合、極めて効率的である。
このようなチームのコーディネートには、さまざまな分野のタスクに対して適切なサブチームを選択すること、関連するサブタスクを実行するためにサブチームのエージェントをコーディネートすること、という2つの側面がある。
既存の作業は、タスクが静的で前もって既知のことを前提としており、整数プログラムを形式化してオフラインで解決することができる。
しかし、多くのアプリケーションでは、外部からの要求によってチームワイズタスクがオンラインで連続的に生成され、各タスク内のサブタスクの量は不確実である。
上記のオフラインソリューションは、チーム全体の定期的な再計算と結果のブロードキャストのためのグローバル通信を必要とするため、不適切になります。
このように、この研究は、協調行動に対する時間論理式として定義された連続的かつ不確実な時間的タスクの下での大規模な協調問題に取り組む。
提案された階層的なフレームワークであるHULKは、2つのインターリーブされたレイヤで構成されている。
このように、調整は異なる粒度とトリガー条件で階層的に行われ、計算効率とロバスト性を向上させる。
種々の時間的タスクと環境不確実性の下で, 大規模異種システムに対して厳密に検証する。
関連論文リスト
- Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks [48.90302419915548]
異種大規模言語モデル(LLM)を駆使したエージェントチームは、スマートファクトリー、倉庫、サービスロボティクスに広く配備されている。
軽量ディジタルツイン(DT)上に構築したネットワーク協調フレームワーク LDT-Coord を提案する。
具体的には、各エージェントは、意図したアクションを独立して選択し、共有リソースに対するアクション決定と構造化時間制約の両方をDTサーバに通知する。
論文 参考訳（メタデータ） (2026-07-10T12:10:31Z) - Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。
本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
論文 参考訳（メタデータ） (2026-05-07T14:19:17Z) - 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) - Effective Strategies for Asynchronous Software Engineering Agents [52.76455094324273]
本稿では,集中型タスクデリゲート,非同期実行,独立したワークスペースという,3つのSWEプリミティブに根ざした構造化マルチエージェント協調パラダイムを導入する。
CAIDは,紙再生タスク(PaperBench)では26.7%,Pythonライブラリ開発タスクでは14.3%,単一エージェントベースラインでは26.7%の精度向上を実現している。
論文 参考訳（メタデータ） (2026-03-23T02:26:35Z) - ThanoRA: Task Heterogeneity-Aware Multi-Task Low-Rank Adaptation [96.86211867758652]
Low-Rank Adaptation (LoRA) は、基礎モデルの下流の微調整に広く採用されている。
タスク不均一性を考慮したマルチタスク低ランク適応フレームワークであるTanoRAを提案する。
論文 参考訳（メタデータ） (2025-05-24T11:01:45Z) - Task-Aware Harmony Multi-Task Decision Transformer for Offline Reinforcement Learning [70.96345405979179]
オフラインマルチタスク強化学習(MTRL)の目的は、オンライン環境相互作用を必要とせず、多様なタスクに適用可能な統一されたポリシーを開発することである。
タスクの内容と複雑さの変化は、政策の定式化において重大な課題を引き起こします。
本稿では,各タスクに対するパラメータの最適な調和部分空間を特定するための新しいソリューションであるHarmoDT(Harmony Multi-Task Decision Transformer)を紹介する。
論文 参考訳（メタデータ） (2024-11-02T05:49:14Z) - Heterogeneous Graph Reinforcement Learning for Dependency-aware Multi-task Allocation in Spatial Crowdsourcing [33.915222518617085]
本稿では,依存性を考慮したマルチタスクアロケーション(DMA)の問題点を公式に検討する。
Heterogeneous Graph Reinforcement Learning-based Task Allocation (HGRL-TA)として知られる、それを解決するためのよく設計されたフレームワークを提供する。
実験結果は、提案されたHGRL-TAのDMA問題を解決する効果と一般性を示し、メタヒューリスティック法を用いて達成したよりも21.78%高い平均利益をもたらす。
論文 参考訳（メタデータ） (2024-10-20T17:00:45Z) - Optimal task and motion planning and execution for human-robot
multi-agent systems in dynamic environments [54.39292848359306]
本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。
このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。
ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-03-27T01:50:45Z) - Hierarchically Structured Scheduling and Execution of Tasks in a
Multi-Agent Environment [1.0660480034605238]
倉庫環境では、タスクが動的に出現するので、早すぎると労働力にマッチするタスク管理システムは、必ずしも最適ではない。
本稿では,高レベルスケジューリング問題と低レベルマルチエージェント問題の両方を解決するために,深層強化学習を提案する。
論文 参考訳（メタデータ） (2022-03-06T18:11:34Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳（メタデータ） (2020-05-27T01:10:41Z)
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。