論文の概要: Dreaming Of Others: Latent Teammate Modeling In World Models For Multi-Agent Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2605.31361v1
- Date: Fri, 29 May 2026 14:34:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.668109
- Title: Dreaming Of Others: Latent Teammate Modeling In World Models For Multi-Agent Reinforcement Learning
- Title（参考訳）: 世界のマルチエージェント強化学習モデルにおける潜在チームメイトモデリング
- Abstract要約: 本稿では,Dreamerスタイルのリカレントステートスペースモデルの潜在状態を,環境やチームメイトコンポーネントに分解するアーキテクチャを提案する。
これらのチームメイトは俳優と批評家を条件付けし、エージェントが様々な協力者に想像し適応できるようにする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In cooperative multi-agent reinforcement learning (MARL), agents must coordinate with partners whose internal policies and intentions are not directly observable. While world models such as Dreamer have demonstrated strong generalization and sample efficiency in single-agent settings, their application to MARL remains limited by an inability to handle teammate-induced uncertainty. We propose a new perspective: treat teammates as structured, learnable components within the agent's world model. We introduce an architecture that factorizes the latent state of a Dreamer-style recurrent state-space model (RSSM) into environment and teammate components, and learns an auxiliary Theory-of-Mind (ToM) head to infer latent embeddings of partner behavior such as character, intent, and predicted actions from partial trajectories. These teammate latents condition the actor and critic, enabling the agent to imagine and adapt to diverse collaborators. We outline how this approach can support zero-shot and few-shot coordination in partially observable settings and propose a set of benchmarks and evaluation protocols to assess its impact. This work positions world models as not only predictors of environmental dynamics, but as simulators of social behavior, opening new directions for generalizable, human-compatible AI.
- Abstract（参考訳）: 協調型マルチエージェント強化学習(MARL)では、エージェントは内部方針や意図が直接観察できないパートナーと協調する必要がある。
Dreamerのような世界モデルは単一エージェント環境で強力な一般化とサンプル効率を示してきたが、MARLへの適用はチームメイトによる不確実性に対処できないため制限されている。
我々は,チームメイトをエージェントの世界モデルの中で構造化され,学習可能なコンポーネントとして扱う,という新しい視点を提案する。
本研究では,Dreamer-style Recurrent State-space Model (RSSM) の潜時状態を環境やチームメイトコンポーネントに分解するアーキテクチャを導入する。
これらのチームメイトは俳優と批評家を条件付けし、エージェントが様々な協力者に想像し適応できるようにする。
このアプローチが部分的に観測可能な設定でゼロショットと少数ショットの調整をサポートする方法について概説し、その影響を評価するためのベンチマークと評価プロトコルを提案する。
この研究は、世界モデルを環境力学の予測子としてだけでなく、社会行動のシミュレータとして位置づけ、汎用的で人間と互換性のあるAIのための新しい方向を開く。
関連論文リスト
- From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。
世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。
我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
論文 参考訳（メタデータ） (2026-07-13T15:22:56Z) - Humans' ALMANAC: A Human Collaboration Dataset of Action-Level Mental Model Annotations for Agent Collaboration [54.18136393879849]
本稿ではエージェント協調のための行動レベル精神モデルAnnotationsのデータセットであるALMANACについて述べる。
ALMANACには2,987の協調アクションがあり、それぞれに理論インフォームドのメンタルモデルアノテーションが組み合わされている。
本研究は、ALMANACが人間の協調動作をシミュレートするモデルの能力を評価する上で有用であることを示す。
論文 参考訳（メタデータ） (2026-06-04T16:56:12Z) - SODE: Analyzing Social Dynamics in LLM Agents [17.885513252130373]
SODE(Social Dynamics Evaluation)は,AIエージェントを3つの進化的側面にわたって評価するフレームワークである。
SODEを適用すると、系統的な違いが明らかになる。
我々は「ロングホライズンフレーミング」がモデル推論における相互機能を解き放つことを実証した。
論文 参考訳（メタデータ） (2026-05-06T14:50:07Z) - Multi-Agent Model-Based Reinforcement Learning with Joint State-Action Learned Embeddings [10.36125908359289]
モデルに基づくマルチエージェント強化学習フレームワークを提案する。
我々は変分自動エンコーダで訓練された世界モデルを設計し、状態-作用学習埋め込みを用いてモデルを増強する。
想像された軌道とSALEに基づく行動値とを結合することにより、エージェントは彼らの選択が集団的な結果にどのように影響するかをより深く理解する。
論文 参考訳（メタデータ） (2026-02-13T01:57:21Z) - ReCollab: Retrieval-Augmented LLMs for Cooperative Ad-hoc Teammate Modeling [2.1130419553264015]
アドホックなチームワークでは、エージェントが以前見つからなかったチームメイトの振る舞いを推測し、それに応じてポリシーを適用する必要があります。
トラジェクティブ機能から派生した振る舞いを用いて、パートナータイプを分類する言語ベースのフレームワークであるCollabを紹介する。
検索拡張生成(RAG)を組み込んだReCollabに拡張して,トラジェクトリによる推論を安定化する。
論文 参考訳（メタデータ） (2025-12-05T12:33:11Z) - Evaluating Generalization Capabilities of LLM-Based Agents in Mixed-Motive Scenarios Using Concordia [100.74015791021044]
大規模言語モデル(LLM)エージェントは、社会的相互作用の素晴らしい能力を実証している。
既存の評価手法は、これらの能力がいかに新しい社会的状況に一般化するかを測ることに失敗する。
我々は,NeurIPS 2024 Concordia Contestで,エージェントが相互利得を達成する能力について評価した経験的結果を示す。
論文 参考訳（メタデータ） (2025-12-03T00:11:05Z) - Partner Modelling Emerges in Recurrent Agents (But Only When It Matters) [9.957208220679261]
モデルフリーのRNNエージェントを訓練し、多様なパートナーの集団と協力する。
エージェントがタスク割り当てを制御することで、パートナー行動に影響を与えると、構造化されたパートナーモデリングが出現する。
我々の結果は、パートナーモデリングはモデルのないエージェントで自然に起こる可能性があるが、適切な社会的圧力を課す環境条件下でのみであることを示している。
論文 参考訳（メタデータ） (2025-05-22T22:24:12Z) - Efficient Adaptation in Mixed-Motive Environments via Hierarchical Opponent Modeling and Planning [51.52387511006586]
本稿では,HOP(Hierarchical Opponent Modeling and Planning)を提案する。
HOPは階層的に2つのモジュールから構成される: 相手の目標を推論し、対応する目標条件のポリシーを学ぶ、反対モデリングモジュール。
HOPは、さまざまな未確認エージェントと相互作用する際、優れた少数ショット適応能力を示し、セルフプレイのシナリオで優れている。
論文 参考訳（メタデータ） (2024-06-12T08:48:06Z) - COMBO: Compositional World Models for Embodied Multi-Agent Cooperation [65.46592503910875]
分散エージェントは,世界のエゴセントリックな視点のみを前提として協力しなくてはならない,多エージェント連携の具体化の問題について検討する。
複数のエージェントの自然な構成可能な共同動作を分解することにより、マルチエージェント協調のための構成的世界モデルを学ぶ。
提案手法を2-4エージェントを用いた3つの挑戦的ベンチマークで評価した。
論文 参考訳（メタデータ） (2024-04-16T17:59:11Z) - 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。