論文の概要: Safe and Generalizable Hierarchical Multi-Agent RL via Constraint Manifold Control

• arxiv url: http://arxiv.org/abs/2606.24010v1
• Date: Mon, 22 Jun 2026 23:32:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.712068
• Title: Safe and Generalizable Hierarchical Multi-Agent RL via Constraint Manifold Control
• Title（参考訳）: 制約マニフォールド制御による安全で一般化可能な階層型マルチエージェントRL
• Authors: Zihao Guo, Jianing Zhao, Ling Li, Hao Liang, Giuseppe Loianno, Yali Du,
• Abstract要約: マルチエージェントシステムは、厳密な安全制約の下で協調動作を必要とする安全クリティカルなアプリケーションで広く利用されている。 既存のアプローチは基本的なトレードオフに直面している。学習ベースの手法は強い経験的性能を達成するが、理論的安全性の保証は欠如している。 本稿では,制約多様体を通した低レベルの仮定の下で,厳密な安全制約を強制する階層型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。
• 参考スコア（独自算出の注目度）: 19.912181245998653
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent systems are widely used in safety-critical applications that require coordinated behavior under strict safety constraints. Existing approaches face a fundamental trade-off: learning-based methods achieve strong empirical performance but lack theoretical safety guarantees, while control-theoretic methods enforce safety but often lead to overly conservative and inefficient behaviors. We propose a hierarchical multi-agent reinforcement learning framework that enforces hard safety constraints under mild assumptions at low level via a constraint manifold, while enabling effective coordination through high-level policy learning. Our approach provides theoretical safety guarantees in the multi-agent setting and yields stationary learning dynamics, thereby enabling stable and efficient training. Empirically, our method achieves competitive performance while maintaining nearly perfect safety rates, and generalizes effectively to varying numbers of agents and obstacles.
• Abstract（参考訳）: マルチエージェントシステムは、厳密な安全制約の下で協調動作を必要とする安全クリティカルなアプリケーションで広く利用されている。 既存のアプローチは基本的なトレードオフに直面している: 学習ベースの手法は強い経験的性能を達成するが、理論上の安全保証は欠如している。 本研究では,制約多様体を介し,低レベルの前提条件下でのハードセーフ制約を強制する階層型マルチエージェント強化学習フレームワークを提案し,高レベルの政策学習による効果的な協調を実現する。 提案手法は,マルチエージェント設定における理論的安全性を保証し,定常学習のダイナミクスを付与することにより,安定かつ効率的なトレーニングを可能にする。 提案手法は, ほぼ完全な安全性を維持しつつ, 競争性能を向上し, エージェント数や障害物数を効果的に一般化する。

関連論文リスト

• BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
  BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。 BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-23T18:19:46Z)
• Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models [57.006252510102506]
  強化学習(Reinforcement Learning, RL)は、最適な意思決定と制御のための強力なフレームワークである。 本稿では,未知および非線形連続力学系に対する安全性を低くした安全RLを実現するための新しい回復型遮蔽フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-12T22:03:35Z)
• PoSafeNet: Safe Learning with Poset-Structured Neural Nets [49.854863600271614]
  既存のアプローチは、しばしば複数の安全制約を均一に、または固定された優先命令によって強制し、実現不可能と不安定な振る舞いを引き起こす。 我々は、この設定を擬似構造的安全性として定式化し、安全制約を部分的に順序づけられた集合としてモデル化し、安全構成を政策クラスの構造的特性として扱う。 この定式化に基づいて、逐次クローズドフォームプロジェクションを介して安全性を強制する、識別可能な神経安全層であるPoSafeNetを提案する。
  論文  参考訳（メタデータ） (2026-01-29T22:03:32Z)
• Hierarchical Multi-Agent Reinforcement Learning with Control Barrier Functions for Safety-Critical Autonomous Systems [42.86066246726967]
  制御バリア関数(CBF)に基づく安全階層型マルチエージェント強化学習(HMARL)手法を提案する。 提案した階層的アプローチは, 総合的な強化学習問題を, より高レベルで協調行動を学び, より低レベルあるいは高レベルなエージェントレベルで安全な個人行動を学ぶ2つのレベルに分解する。 具体的には,HMARL-CBFアルゴリズムを提案する。高いレベルの問題はすべてのエージェントのスキルに関する共同政策を学習することであり,低レベルの問題はCBFで安全にスキルを実行するための学習ポリシーを学習することである。
  論文  参考訳（メタデータ） (2025-07-20T07:43:18Z)
• A Physics-Informed Machine Learning Framework for Safe and Optimal Control of Autonomous Systems [8.347548017994178]
  安全性とパフォーマンスは競合する目標になり得るため、共同最適化が難しくなる。 本稿では,性能目標をコスト関数で符号化し,安全性要件を状態制約として課す,状態制約付き最適制御問題を提案する。 結果値関数はハミルトン・ヤコビ・ベルマン方程式を満たすことを示した。
  論文  参考訳（メタデータ） (2025-02-16T09:46:17Z)
• Safety-Aware Multi-Agent Learning for Dynamic Network Bridging [0.11249583407496219]
  エージェントは2つの移動目標間の通信経路を維持することを学ばなければならない。 我々は,局所的な集合点更新による衝突回避を強制する制御理論安全フィルタを統合する。 その結果,分散マルチエージェントタスクにおいて,局所的安全執行と分散学習を効果的に組み合わせることが示唆された。
  論文  参考訳（メタデータ） (2024-04-02T01:30:41Z)
• Enforcing Hard Constraints with Soft Barriers: Safe Reinforcement Learning in Unknown Stochastic Environments [84.3830478851369]
  本研究では,環境を協調的に学習し,制御ポリシーを最適化する安全な強化学習手法を提案する。 本手法は, 安全性の制約を効果的に適用し, シミュレーションにより測定したシステム安全率においてCMDPベースのベースライン法を著しく上回っている。
  論文  参考訳（メタデータ） (2022-09-29T20:49:25Z)
• Closing the Closed-Loop Distribution Shift in Safe Imitation Learning [80.05727171757454]
  模倣学習問題において,安全な最適化に基づく制御戦略を専門家として扱う。 我々は、実行時に安価に評価でき、専門家と同じ安全保証を確実に満足する学習されたポリシーを訓練する。
  論文  参考訳（メタデータ） (2021-02-18T05:11:41Z)

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。