論文の概要: Unassigned Agents in Compilation-based Multi-agent Path Finding

• arxiv url: http://arxiv.org/abs/2606.15797v1
• Date: Sun, 14 Jun 2026 13:04:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.856231
• Title: Unassigned Agents in Compilation-based Multi-agent Path Finding
• Title（参考訳）: コンパイルに基づくマルチエージェント経路探索における非割り当てエージェント
• Abstract要約: 本稿では,最近のMAPFのコンパイル手法でUA-MAPFを表現できることを示す。 SMT-CBS と NRF-SAT は、直近の解法である。
• 参考スコア（独自算出の注目度）: 7.766921168069531
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compilation-based techniques represent an important stream of solvers for multi-agent path finding (MAPF) due to their modularity and adaptability for non-standard variants of the problem. While in the standard MAPF the task is to navigate all agents from their initial positions to given individual goal positions without any collision, variants where a different requirement for agents is used are also relevant. Such a variant is MAPF with unassigned agents (UA-MAPF) where some agents have the same setting as in the standard MAPF with initial positions and goals while the remaining agents have the initial position but have no goal - unassigned agents. Despite unassigned agent do not need to reach any goal position they have to be moved out of the way of the standard agents if needed which represent a specific challenge. We show in this paper that UA-MAPF can be expressed in recent compilation-based techniques for MAPF based on formulating the problem as Boolean satisfiability, namely we adapt SMT-CBS and NRF-SAT, the recent solvers based on counterexample guided abstraction refinement and non-refined abstractions.
• Abstract（参考訳）: コンパイルに基づく手法は,多エージェントパス探索 (MAPF) において,そのモジュラリティと非標準変種への適応性から重要な解のストリームを表現している。 MAPFでは、全てのエージェントが初期位置から個々の目標位置まで衝突することなく移動することが任務であるが、エージェントの異なる要件が使用される変種も関係している。 そのような変種は未割り当てエージェント(UA-MAPF)とMAPFであり、一部のエージェントは通常のMAPFと同じ設定で初期位置と目標を持ち、残りのエージェントは初期位置を持つが目標を持たない。 指定されていないエージェントは、任意の目標位置に到達する必要はないが、必要であれば、特定の課題を表す標準エージェントのやり方から離れなければならない。 本稿では,この問題をBoolean satisfiability(SMT-CBS, NRF-SAT)として定式化したMAPFの最近のコンパイル手法でUA-MAPFを表現できることを示す。

関連論文リスト

• Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding [48.1609560841622]
  本稿では,効率的な特徴共有を通じてエージェント間の協調を強化するための学習可能な通信モジュールを提案する。 提案手法は既存の学習ベースMAPFソルバよりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-08T12:05:08Z)
• Behavior Knowledge Merge in Reinforced Agentic Models [48.89546963456286]
  強化学習はポストトレーニングの中心であり、特に特別な推論行動を必要とするエージェントモデルにとって重要である。 既存のマージ手法は教師付き微調整(SFT)のために設計されており、RL学習エージェントモデル上でタスク固有の機能を維持するのに最適である。 本稿では,RL学習エージェントモデル用に明示的に設計された分散対応エージェントマージフレームワークであるReinforced Agent Merging (RAM)を提案する。
  論文  参考訳（メタデータ） (2026-01-20T03:56:53Z)
• Vulnerable Agent Identification in Large-Scale Multi-Agent Reinforcement Learning [49.31650627835956]
  システムがスケールアップすると、部分的なエージェントの障害は避けられないものとなり、全体的なパフォーマンスが著しく低下するエージェントのサブセットを特定することが重要になる。 本稿では,大規模マルチエージェント強化学習(MARL)における脆弱性エージェント識別(VAI)問題について検討する。 実験により, 大規模MARLおよびルールベースシステムにおいて, より脆弱なエージェントを効果的に同定し, システムを悪用し, それぞれのエージェントの脆弱性を明らかにする値関数を学習した。
  論文  参考訳（メタデータ） (2025-09-18T16:03:50Z)
• Transient Multi-Agent Path Finding for Lifelong Navigation in Dense Environments [9.000023855628958]
  ライフロングMAPF(英: Lifelong MAPF、LMAPF)は、エージェントが現在のターゲットに到達すると新たなターゲットを受信するMAPFのオンライン版である。 そこで本研究では,LMAPF問題に対して,各エージェントが最終的にターゲットを訪問することを目的とした修正MAPF問題の系列を解くことで,LMAPF問題を解くことを提案する。 本稿では、このMAPF変種をTransient MAPF (TMAPF) と呼び、既存のMAPFアルゴリズムに基づいたいくつかのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-05T15:37:29Z)
• Scalable Mechanism Design for Multi-Agent Path Finding [87.40027406028425]
  MAPF (Multi-Agent Path Finding) は、複数のエージェントが同時に移動し、与えられた目標地点に向かって共有領域を通って衝突しない経路を決定する。 最適解を見つけることは、しばしば計算不可能であり、近似的な準最適アルゴリズムを用いることが不可欠である。 本稿では、MAPFのスケーラブルな機構設計の問題を紹介し、MAPFアルゴリズムを近似した3つの戦略防御機構を提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:26:04Z)
• Decentralized Monte Carlo Tree Search for Partially Observable Multi-agent Pathfinding [49.730902939565986]
  マルチエージェントパスフィンディング問題は、グラフに閉じ込められたエージェントのグループに対するコンフリクトフリーパスのセットを見つけることである。 本研究では、エージェントが他のエージェントをローカルにのみ観察できる分散MAPF設定に焦点を当てた。 MAPFタスクのための分散マルチエージェントモンテカルロ木探索法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T06:57:22Z)
• Counterexample Guided Abstraction Refinement with Non-Refined Abstractions for Multi-Agent Path Finding [15.99072005190786]
  本稿では,SATをベースとしたMAPFのための新しいCEGAR型解法を提案する。 しかし、非精細化は、以前のアプローチよりも桁違いに小さいSATエンコーディングをもたらす。
  論文  参考訳（メタデータ） (2023-01-20T17:18:49Z)
• Heuristically Guided Compilation for Multi-Agent Path Finding [15.99072005190786]
  本稿では,MAPF問題が異なる定式化で表現されるコンパイルベースの解法に着目する。 本研究では,対象SATソルバに対してMAPFエンコーディングを構築し,ドメイン固有の知識を反映させる方法を示す。 実験により, SATベースのMAPFソルバのバニラ変種に対して, ガイドコンパイルの方が優れた性能を示した。
  論文  参考訳（メタデータ） (2022-12-13T23:19:15Z)
• META: Mimicking Embedding via oThers' Aggregation for Generalizable Person Re-identification [68.39849081353704]
  Domain Generalizable (DG) Person Re-identification (ReID)は、トレーニング時に対象のドメインデータにアクセスすることなく、見えないドメインをまたいでテストすることを目的としている。 本稿では,DG ReID のための OThers' Aggregation (META) を用いた Mimicking Embedding という新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T08:06:50Z)
• DPLL(MAPF): an Integration of Multi-Agent Path Finding and SAT Solving Technologies [7.766921168069532]
  マルチエージェントパス探索(MAPF)において、タスクは複数のエージェントの非競合パスを見つけることである。 本稿では,決定変数の部分的割り当ての整合性チェックをSATソルバに直接組み込むDPLL(MAPF)という新しいコンパイル方式を提案する。
  論文  参考訳（メタデータ） (2021-11-11T23:06:00Z)

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。