論文の概要: Anytime Plug-and-Play Control with Contract-Based Distributed MPC

• arxiv url: http://arxiv.org/abs/2607.04215v1
• Date: Sun, 05 Jul 2026 10:06:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.868383
• Title: Anytime Plug-and-Play Control with Contract-Based Distributed MPC
• Title（参考訳）: 契約型分散MPCを用いた任意のプラグアンドプレイ制御
• Abstract要約: 本研究では,局部通信に基づく分散マルチエージェント制御アルゴリズムを導入する。 提案手法を自律型マルチエージェント運転シナリオで検証し,エージェントが反対方向に移動する高速・動的環境における衝突回避効果を示す。
• 参考スコア（独自算出の注目度）: 3.477704547618128
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A central challenge in many mobile multi-robot applications is that communication topologies are inherently time-varying. Agents may enter or exit the network and such changes cannot generally be restricted a priori. This work introduces a distributed multi-agent control algorithm based on local communication that supports anytime agent joining and leaving the communication network without centralized coordination. The method scales efficiently with the number of agents by relying on a distance-based neighbor definition and on contracts derived from predicted trajectories. The resulting contract constraints guarantee collision avoidance and constraint satisfaction. We validate the proposed method in an autonomous multi-agent driving scenario, demonstrating effective collision avoidance in high-speed, dynamic environments with agents moving in opposite directions, in both simulated and real-world experiments.
• Abstract（参考訳）: 多くのモバイルマルチロボットアプリケーションにおける中心的な課題は、通信トポロジが本質的に時間的に異なることである。 エージェントはネットワークへの入退避も可能で、そのような変更は一般的にプリエントを制限することはできない。 本研究では,局部通信に基づく分散マルチエージェント制御アルゴリズムを導入する。 提案手法は, 距離ベース近傍の定義と予測軌道から導出される契約に依存することにより, エージェント数と効率よくスケールする。 結果として生じる契約制約により、衝突回避と制約満足度が保証される。 提案手法を自律型マルチエージェント運転シナリオで検証し, エージェントが反対方向に移動する高速・動的環境において, 実世界およびシミュレーション実験において, 衝突回避効果を示す。

関連論文リスト

• Learning Communication-Conditioned Generative Policies for Decentralized Multi-Agent Collision Avoidance [2.7429630700600893]
  マルチエージェント衝突回避のための分散通信条件生成フレームワークを提案する。 エージェントは、特権的なオフラインデモからトレーニングされたフローマッチングポリシーを使用して、短水平アクションシーケンスを生成する。 提案手法により,短水平動作列の単一ステップの効率的な推論が可能となり,通信ドロップアウト時に優良に劣化する。
  論文  参考訳（メタデータ） (2026-09-13T04:04:01Z)
• MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
  事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。 本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。 適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
  論文  参考訳（メタデータ） (2026-08-02T10:05:50Z)
• 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)
• 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)
• SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
  制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。 スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。 実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-04-20T17:46:20Z)
• GoAgent: Group-of-Agents Communication Topology Generation for LLM-based Multi-Agent Systems [55.12339141172908]
  GoAgentは、協調グループをMAS構築の原子単位として明示的に扱う通信トポロジ生成手法である。 6つのベンチマークの実験では、GoAgentの最先端のパフォーマンスを93.84%の平均精度で証明し、トークン消費を約17%削減した。
  論文  参考訳（メタデータ） (2026-03-20T06:21:32Z)
• Multi-Agent Deep Reinforcement Learning for Collaborative UAV Relay Networks under Jamming Atatcks [36.380478794869234]
  本稿では,この課題を,分散実行トレーニング(CTDE)フレームワークを用いて解決したMARL(Multi-Agent Reinforcement Learning)問題として定式化する。 提案手法はベースラインを著しく上回り,システム全体のスループットを約50%向上し,同時にほぼゼロの衝突速度を実現した。 重要な発見は、エージェントが明示的なプログラミングなしに創発的なアンチジャミング戦略を開発することである。
  論文  参考訳（メタデータ） (2025-12-09T08:11:21Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• When Agents Break Down in Multiagent Path Finding [0.0]
  我々は、一部のエージェントが誤動作による遅延を経験するシナリオを形式的にモデル化する新しい変種を導入する。 本稿では,完全な計画変更に依存しない動的スケジュール適応のためのフレームワークを提案する。 第一の通信プロトコルに従えば、k の誤動作後のメイスパンの増加は k の余分な回転によって制限されることを示す。
  論文  参考訳（メタデータ） (2025-08-05T12:59:30Z)
• Agentic Semantic Control for Autonomous Wireless Space Networks: Extending Space-O-RAN with MCP-Driven Distributed Intelligence [15.037873741966921]
  月面操作は無線通信システムに 厳しい要求を課します モデルコンテキストプロトコル(MCP)とエージェント・ツー・エージェント(A2A)通信プロトコルによって実現された意味的エージェント層を組み込んだ新しい拡張を提案する。
  論文  参考訳（メタデータ） (2025-06-12T17:35:36Z)
• Distributed-Training-and-Execution Multi-Agent Reinforcement Learning for Power Control in HetNet [48.96004919910818]
  We propose a multi-agent Deep reinforcement learning (MADRL) based power control scheme for the HetNet。 エージェント間の協調を促進するために,MADRLシステムのためのペナルティベースQラーニング(PQL)アルゴリズムを開発した。 このように、エージェントのポリシーは、他のエージェントによってより容易に学習でき、より効率的なコラボレーションプロセスをもたらす。
  論文  参考訳（メタデータ） (2022-12-15T17:01:56Z)
• Depthwise Convolution for Multi-Agent Communication with Enhanced Mean-Field Approximation [9.854975702211165]
  本稿では,MARL(Multi-agent RL)課題に取り組むための,局所的なコミュニケーション学習に基づく新しい手法を提案する。 まず,局所的な関係を効率的に抽出する深層的畳み込み機能を利用する新しい通信プロトコルを設計する。 第2に,エージェント相互作用の規模を減らすために,平均場近似を導入する。
  論文  参考訳（メタデータ） (2022-03-06T07:42:43Z)
• Implicit Multiagent Coordination at Unsignalized Intersections via Multimodal Inference Enabled by Topological Braids [15.024091680310109]
  信号のない交差点における合理的な非コミュニケーションエージェント間のナビゲーションに焦点をあてる。 我々はトポロジカルブレイドの形式主義を用いてコンパクトで解釈可能な方法で共同行動のモードを表現する。 我々は,新たなマルチエージェント動作のモードにおける不確実性を低減するための行動を生成する分散計画アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-04-10T19:01:29Z)

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。