論文の概要: Ready from Day 1: Population-Aware Coordination for Large-Scale Constrained Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2605.13900v2
• Date: Sat, 16 May 2026 00:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:45.900721
• Title: Ready from Day 1: Population-Aware Coordination for Large-Scale Constrained Multi-Agent Systems
• Title（参考訳）: 大規模制約型マルチエージェントシステムのための集団対応コーディネート
• Authors: Angel Wang, Dominique Perrault-Joncas, Alvaro Maggiar, Carson Eisenach, Dean Foster,
• Abstract要約: そこで我々は,小集団の要約に条件付き原始マップと双対マップを学習する,親和性を考慮した協調インタフェースを提案する。 人口認識インタフェースは、人口認識ベースラインと比較して予測誤差を16～19%減らし、容量違反を20～51%減らした。 また、バックテスト可能なプロシージャとして2Real Simトランスファーをキャストし、デプロイ前に評価を可能にします。
• 参考スコア（独自算出の注目度）: 0.8442962257993124
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In large-scale multi-agent systems with shared resource constraints, an upstream planner must iteratively evaluate candidate resource plans -- assessing feasibility, aggregate response, and marginal cost -- before committing to one. Lagrangian relaxation separates local decisions through a broadcast cost signal, but the planner still needs the cost-to-utilization response map to explore plan space, and this map depends on population composition that changes across planning cycles. We propose \emph{population-aware coordination interfaces}: learned primal and dual maps, conditioned on compact population summaries, that the planner queries inside its iterative loop. The primal map predicts aggregate utilization under a proposed cost trajectory; the dual map predicts the cost trajectory for a target plan. By encoding response-relevant population structure, these maps remain reliable across evolving populations without per-cycle retraining, and support coordination of large populations from compact subsamples. We additionally cast Sim2Real transfer as a backtestable procedure, enabling evaluation before deployment. In a supply-chain capacity-control case study, population-aware interfaces reduce forecast error by 16--19\% and capacity violations by 20--51\% relative to population-unaware baselines under composition shift; 20K-agent cohorts support accurate coordination of 500K-agent populations; and simulator-trained primal maps achieve 11.1\% MAPE on real observations versus 13--24\% for baselines.
• Abstract（参考訳）: 共有リソース制約のある大規模マルチエージェントシステムでは、上流のプランナーは、候補となるリソース計画 -- 実現可能性、集約応答、限界コストを評価する -- を反復的に評価する必要がある。 ラグランジアン緩和は放送コスト信号を通じて地域決定を分離するが、プランナーは依然として計画空間を探索するためにコスト・ツー・ユーティライズ・レスポンス・マップを必要としており、このマップは計画サイクルを通して変化する人口構成に依存している。 本稿では,学習した原始写像と双対写像を,その反復ループ内でプランナーが問うようなコンパクトな集団サマリーに条件付けした「emph{population-aware coordinate interface}」を提案する。 プライマリマップは,提案したコストトラジェクトリの下での集合的利用を予測し,二重マップは目標計画のコストトラジェクトリを予測する。 応答関連人口構造を符号化することにより、これらの地図はサイクル単位の再訓練なしに進化する人口全体にわたって信頼性を保ち、コンパクトなサブサンプルからの人口調整を支援している。 また、バックテスト可能なプロシージャとしてSim2Realトランスファーをキャストし、デプロイ前に評価を可能にする。 サプライチェーン・キャパシティ・コントロール・ケーススタディにおいて、人口認識インタフェースは、構成シフト中の人口認識ベースラインに対して、予測誤差を16～19～51～1%削減し、20Kエージェントコホートは500Kエージェントの正確な調整をサポートし、シミュレータ訓練されたプライマリマップは、実際の観測で11.1～24倍、ベースラインでは13～24倍となる。

関連論文リスト

• Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving [51.726472686971896]
  エンド・ツー・エンドの自律運転モデルは、多視点入力から将来の軌跡を生成する。 既存の手法では、軌道生成の根底にある視覚的証拠を明らかにすることができない。 エンド・ツー・エンド・プランニングのための階層的属性・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-07T13:38:18Z)
• PASM: Population Adaptive Symbolic Mixture-of-Experts Model for Cross-location Hurricane Evacuation Decision Prediction [1.503974529275767]
  ある地域で訓練されたモデルは、しばしば他の場所で失敗する。 本稿では,大言語モデルで導出される記号的回帰と,経験的混合アーキテクチャを組み合わせたPopulation-Adaptive Mixture-of-Experts (PASM)を提案する。 Hurricanes Harvey と Irma では、XGBoost (0.404)、TabPFN (0.333)、GPT-5-mini (0.434)、メタラーニングベースライン MAML と Prototypeal Networks と比較すると、Matthews の相関係数は 0.607 である。
  論文  参考訳（メタデータ） (2026-03-31T14:34:15Z)
• AI-Enhanced Spatial Cellular Traffic Demand Prediction with Contextual Clustering and Error Correction for 5G/6G Planning [17.409018763425]
  空間的自己相関は、単純列車/テストスプリットの下で近所の漏れを引き起こす可能性がある。 本稿では,リークを低減し,空間一般化を改善するAI駆動型フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-11T14:11:37Z)
• Don't double it: Efficient Agent Prediction in Occlusions [1.1338062042380708]
  密集した交通機関は、隠れた歩行者や車両が予期せず現れるため、自動運転車にとって重大な課題となる。 既存の学習ベースの手法は、1つのエージェントが複数回識別された場合、冗長な占有率予測を生成することが多い。 我々は、最先端のSceneInformerアーキテクチャをベースにした、新しいトランスフォーマーベースのアプローチであるMatchInformerを紹介する。
  論文  参考訳（メタデータ） (2026-01-29T10:22:38Z)
• Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
  モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。 本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。 本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T11:47:56Z)
• High-resolution Population Maps Derived from Sentinel-1 and Sentinel-2 [17.830362329876493]
  POPCORN は、Sentinel-1 と Sentinel-2 の衛星画像のみを無料で利用できる人口マッピング手法である。 我々は400人未満の地域国勢調査に基づいて100mのGSDを持つルワンダの人口地図を作成した。 POPCORNは、ビルトアップされたエリアの明示的なマップと、ローカルなビルの占有率を検索する。
  論文  参考訳（メタデータ） (2023-11-23T13:43:14Z)
• GoRela: Go Relative for Viewpoint-Invariant Motion Forecasting [121.42898228997538]
  精度や一般化を犠牲にすることなく、全てのエージェントとマップに対して効率的な共有符号化を提案する。 不均一空間グラフにおけるエージェントとマップ要素間の幾何学的関係を表現するために、ペアワイズ相対的な位置符号化を利用する。 我々のデコーダは視点非依存であり、レーングラフ上でエージェント目標を予測し、多様かつコンテキスト対応のマルチモーダル予測を可能にする。
  論文  参考訳（メタデータ） (2022-11-04T16:10:50Z)
• Adaptive Selection of Informative Path Planning Strategies via Reinforcement Learning [6.015556590955814]
  ローカルプランニング」アプローチでは,次回のサンプリング場所の優先順位が予測性能や帰路距離に与える影響を調査するために,様々な空間範囲が採用されている。 温度モニタリングロボットの使用事例実験により、プランナーの動的混合物は高度な情報プランを生成できるだけでなく、予測信頼性を犠牲にすることなく、大幅に距離を縮めることができることが示された。
  論文  参考訳（メタデータ） (2021-08-14T21:32:33Z)
• Bottom-up mechanism and improved contract net protocol for the dynamic task planning of heterogeneous Earth observation resources [61.75759893720484]
  地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。 観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。 不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
  論文  参考訳（メタデータ） (2020-07-13T03:51:08Z)
• Semi-Supervised Crowd Counting via Self-Training on Surrogate Tasks [50.78037828213118]
  本稿では,機能学習の観点から,半教師付き群集カウント問題に取り組む。 本稿では,2つの革新的なコンポーネント上に構築された,新しい半教師付き群集カウント手法を提案する。
  論文  参考訳（メタデータ） (2020-07-07T05:30:53Z)
• Model-based Reinforcement Learning for Decentralized Multiagent Rendezvous [66.6895109554163]
  目標を他のエージェントと整合させる人間の能力の下にあるのは、他人の意図を予測し、自分たちの計画を積極的に更新する能力である。 分散型マルチエージェントレンデブーのためのモデルに基づく強化学習手法である階層型予測計画(HPP)を提案する。
  論文  参考訳（メタデータ） (2020-03-15T19:49:20Z)

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。