論文の概要: Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks
- arxiv url: http://arxiv.org/abs/2607.09330v1
- Date: Fri, 10 Jul 2026 12:10:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 14:47:12.83691
- Title: Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks
- Title（参考訳）: 電力ネットワーク上の不均一LLMエージェントのための通信効率の良いディジタルツインコーディネート
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 48.90302419915548
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Embodied agent teams powered by heterogeneous large language models (LLMs) are being widely deployed in physical artificial intelligence such as smart factories, warehouses, and service robotics. To enable collaboration among such an agent team, efficient coordination mechanisms that operate reliably under limited network resources are required. However, existing heterogeneous LLM-agent coordination frameworks that rely on multi-round natural-language-based conversations introduce three coupled challenges. First, inter-agent dialogue incurs communication overhead that grows rapidly with team size. Second, the quality of coordination is constrained by the heterogeneous capabilities of the agent team's LLMs. Third, agents may suffer from action delays due to iterative negotiation. To address these challenges, we propose LDT-Coord, a networked coordination framework built upon a lightweight digital twin (DT). Specifically, each agent independently selects its intended action and reports both the action decision and a structured temporal constraint over shared resources to the DT server, thereby decoupling coordination performance from natural-language reasoning ability. Then, DT executes a training-free, rule-based orchestrator algorithm to resolve cross-agent conflicts and returns coordination instructions to prevent such conflicts. To further reduce communication overhead, we formulate agent reporting control as a constrained partially observable Markov decision process (C-POMDP) and solve it with the PPO-Lagrangian algorithm. Simulation results show that LDT-Coord achieves a task success rate comparable to conventional coordination methods while reducing communication overhead by more than 70x and maintaining robustness under LLM heterogeneity.
- Abstract（参考訳）: 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といった物理的な人工知能に広く採用されている。
このようなエージェントチーム間のコラボレーションを実現するには、限られたネットワークリソースの下で確実に動作する効率的な調整機構が必要である。
しかし,マルチラウンド自然言語ベースの会話に頼っている異種LLMエージェント協調フレームワークには,3つの課題が伴う。
まず、エージェント間の対話は、チームサイズとともに急速に成長する通信オーバーヘッドを引き起こします。
第二に、調整の質はエージェントチームのLLMの不均一な能力によって制約されます。
第三に、エージェントは反復交渉による行動遅延に悩まされることがある。
これらの課題に対処するために,軽量デジタルツイン (DT) 上に構築され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、各エージェントが意図した動作を独立に選択し、共有リソース上の動作決定と構造化時間制約の両方をDTサーバに通知することにより、自然言語推論能力から協調性能を分離する。
そして、DTはトレーニング不要のルールベースのオーケストレータアルゴリズムを実行し、エージェント間の競合を解消し、そのような衝突を防ぐための調整命令を返す。
さらに通信オーバーヘッドを低減するため,制約付き部分観測可能なマルコフ決定プロセス(C-POMDP)としてエージェント報告制御を定式化し,PPO-ラグランジアンアルゴリズムで解く。
シミュレーションの結果,LDT-Coordは従来のコーディネート手法に匹敵するタスク成功率を達成し,通信オーバーヘッドを70倍以上削減し,LLMの不均一性下でのロバスト性を維持した。
関連論文リスト
- Benchmarking Open-Ended Multi-Agent Coordination in Language Agents [48.1363632826625]
Alemは、手続き的に生成されたコーディネーションタスク、ソフトな特殊化、コミュニケーション、制御可能なコーディネーションの難しさを、長い水平サバイバルの世界に埋め込む。
Craftaxライクなダイナミックス上に構築されたオープンなマルチエージェント協調のためのJAXベースのベンチマークである$alem$を紹介します。
論文 参考訳（メタデータ） (2026-06-06T21:13:43Z) - Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。
本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
論文 参考訳（メタデータ） (2026-05-07T14:19:17Z) - 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) - Cooperation Breakdown in LLM Agents Under Communication Delays [3.619444603816032]
本稿では,自律エージェント群における協調と協調の出現を概念化するFLCOAフレームワークを提案する。
通信遅延の影響を調べるために,通信遅延を伴う連続囚人ジレンマを導入する。
過度な遅延は、エクスプロイトのサイクルを減少させ、遅延度と相互協力のU字型関係をもたらすことが判明した。
論文 参考訳（メタデータ） (2026-02-12T09:31:47Z) - Towards Adaptive, Scalable, and Robust Coordination of LLM Agents: A Dynamic Ad-Hoc Networking Perspective [31.81236449944822]
RAPSは、LLMエージェントの適応性、拡張性、堅牢な調整のための、評判の高いパブリッシュ・サブスクライブ・パラダイムである。
RAPSは2つの一貫性のあるオーバーレイを組み込んでいる: (i) リアクティブ・サブスクライブ(reactive Subscription) エージェントがその意図を動的に洗練することを可能にし、 (ii) ベイジアン・レピュテーション(Bayesian Reputation)。
論文 参考訳（メタデータ） (2026-02-08T15:26:02Z) - ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。
数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。
我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文 参考訳（メタデータ） (2026-01-27T13:43:59Z) - Learning to Interact in World Latent for Team Coordination [53.51290193631586]
本研究は,多エージェント強化学習(MARL)におけるチーム協調を支援するために,対話型ワールドラテント(IWoL)という新しい表現学習フレームワークを提案する。
コミュニケーションプロトコルを直接モデル化することにより,エージェント間関係とタスク固有の世界情報とを協調的にキャプチャする学習可能な表現空間を構築する。
私たちの表現は、各エージェントの暗黙のラテントとしてだけでなく、コミュニケーションのための明示的なメッセージとしても使用できます。
論文 参考訳（メタデータ） (2025-09-29T22:13:39Z) - Cooperative and Asynchronous Transformer-based Mission Planning for Heterogeneous Teams of Mobile Robots [1.1049608786515839]
エージェント間の分散意思決定を協調するための協調型非同期トランスフォーマーベースミッションプランニング(CATMiP)フレームワークを提案する。
我々は,CATMiPを2次元グリッドワールドシミュレーション環境で評価し,その性能を計画に基づく探索法と比較した。
論文 参考訳（メタデータ） (2024-10-08T21:14:09Z) - Towards Collaborative Intelligence: Propagating Intentions and Reasoning for Multi-Agent Coordination with Large Language Models [41.95288786980204]
現在のエージェントフレームワークは、シングルエージェント実行への依存に悩まされ、モジュール間通信が堅牢でないことが多い。
協調的なMARLにおける協調行動を可能にするための協調エージェントとして,大規模言語モデルを訓練するためのフレームワークを提案する。
伝搬ネットワークは、放送意図をチームメイト固有のコミュニケーションメッセージに変換し、指定されたチームメイトと関連する目標を共有する。
論文 参考訳（メタデータ） (2024-07-17T13:14:00Z)
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。