論文の概要: Intelligent Three Level Learning Architecture for Autonomous UAV Swarms in Search and Rescue

• arxiv url: http://arxiv.org/abs/2607.14093v1
• Date: Thu, 09 Apr 2026 12:12:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.002564
• Title: Intelligent Three Level Learning Architecture for Autonomous UAV Swarms in Search and Rescue
• Title（参考訳）: 検索・救助における自律型UAVスワーミングのための知的3段階学習アーキテクチャ
• Abstract要約: 本稿では,自律型無人機群を対象とした3段階階層型学習アーキテクチャを提案する。 アーキテクチャは、BDI、Behavior Trees、GNN、MARL、Neuroplasticity、Meta Learningといった6つのコンポーネントで構成された20のアーキテクチャ契約によって形式化されている。 我々は,Swarm Meta Cognitionを,3つのレベルの構造的相互作用から生じる構成的特性として導入し,Swarmが自身の認知状態を監視し,認知戦略を切り替えることを可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a novel three level hierarchical learning architecture for autonomous UAV swarms performing search and rescue operations. Unlike conventional approaches that apply a single learning paradigm across all hierarchy levels, the proposed architecture integrates three qualitatively different learning mechanisms corresponding to the biological hierarchy of reflexes, skills, and reasoning such as Hebbian neuroplasticity for individual agent adaptation, multi agent reinforcement learning with graph neural networks and behavior trees for tactical coordination, and model agnostic meta learning with BDI reasoning and a digital twin for strategic decision making. The architecture is formalized through twenty two architectural contracts organized across six components such as BDI, Behavior Trees, GNN, MARL, Neuroplasticity, Meta Learning that collectively provide six classes of formal guarantees such as safety, budget correctness, optimality, liveness, starvation freedom, and inter level consistency. We introduce Swarm Meta Cognition as a compositional property arising from the structured interaction of all three levels, enabling the swarm to monitor its own cognitive state and switch between cognitive strategies. Five constructive progress functions for SAR task types bridge the gap between abstract optimization theory and concrete operational scenarios. The main integration theorem establishes that when all contracts are satisfied, the hybrid neuro-symbolic system preserves all six guarantee classes. For the dynamic case with active learning, five new contracts extend the framework with three additional guarantees such as cognitive resilience, graceful degradation, and monotonic meta improvement. Theoretical analysis demonstrates that the architecture addresses five fundamental limitations of existing hierarchical RL approaches.
• Abstract（参考訳）: 本稿では,自律型無人機群を対象とした3段階階層型学習アーキテクチャを提案する。 全ての階層レベルに1つの学習パラダイムを適用する従来の手法とは異なり、提案アーキテクチャは、個々のエージェント適応のためのヘビアン神経可塑性、グラフニューラルネットワークを用いたマルチエージェント強化学習、戦術的調整のための行動木、BDI推論による無知メタラーニングと戦略的意思決定のためのデジタルツインの3つの定性的に異なる学習メカニズムを統合する。 アーキテクチャは、BDI、ビヘイビアツリー、GNN、MARL、ニューロプラスティックティ、メタラーニングといった6つのコンポーネントで構成され、安全、予算の正しさ、最適性、活力、飢餓の自由、およびレベル間の整合性の6つのクラスをまとめて提供する。 我々は,Swarm Meta Cognitionを,3つのレベルの構造的相互作用から生じる構成的特性として導入し,Swarmが自身の認知状態を監視し,認知戦略の切り替えを可能にする。 SARタスクタイプの5つの構成的進捗関数は、抽象最適化理論と具体的な運用シナリオのギャップを埋める。 主積分定理は、すべての契約が満たされると、ハイブリッドなニューロシンボリック系が6つの保証クラス全てを保存することを証明している。 アクティブな学習を行う動的ケースでは、認知的レジリエンス、優雅な劣化、単調なメタ改善などの3つの保証で、新たな5つの契約がフレームワークを拡張している。 理論的解析は、アーキテクチャが既存の階層的RLアプローチの5つの基本的な制限に対処していることを示している。

関連論文リスト

• A Two-Dimensional Framework for AI Agent Design Patterns: Cognitive Function and Execution Topology [54.72352855252792]
  本研究では,認知関数軸を7つのカテゴリ,実行位相軸を6つの構造的アーチタイプと組み合わせた2次元分類を提案する。 その結果得られた7x6行列は、27の名前付きパターン、13のオリジナルネームを識別し、AIエージェントアーキテクチャ設計のための原則付き、フレームワークニュートラル、モデルに依存しない語彙を提供する。
  論文  参考訳（メタデータ） (2026-03-16T04:01:01Z)
• Revising Bloom's Taxonomy for Dual-Mode Cognition in Human-AI Systems: The Augmented Cognition Framework [0.0]
  認知行動は、個々に、生物学的リソースのみを使用して、または人間-AIシステムに分散する2つの異なるモードでますます発生します。 ブルームの分類学の既存の改訂では、AIは、この二重モード構造のドライバとしてではなく、人間の認知に対してマップされる外部能力として扱われている。 本稿では,3つの原則に基づいて構築された分類体系であるAugmented Cognition Framework (ACF)を提案する。
  論文  参考訳（メタデータ） (2026-01-31T12:45:43Z)
• Evolutionary Reinforcement Learning based AI tutor for Socratic Interdisciplinary Instruction [21.65910532497379]
  本稿では,この領域に適した進化強化学習(ERL)フレームワークであるERL4SIIPを提案する。 ERL4SIIPは,(1)潜時状態モデリングのためのSTEM知識グラフに基礎を置く動的学生シミュレータ,(2)長距離目標を高密度信号に分解する階層的リワード機構,(3)LoRA-Divisionに基づく最適化戦略を統合する。
  論文  参考訳（メタデータ） (2025-12-12T02:51:27Z)
• Rethinking the Role of Dynamic Sparse Training for Scalable Deep Reinforcement Learning [58.533203990515034]
  ニューラルネットワークのスケーリングは機械学習における画期的な進歩をもたらしたが、このパラダイムは深層強化学習(DRL)では失敗している。 我々は、動的スパーストレーニング戦略が、アーキテクチャの改善によって確立された主要なスケーラビリティ基盤を補完するモジュール固有の利点を提供することを示す。 アーキテクチャ改善の利点を生かした実践的なフレームワークであるModule-Specific Training (MST) にこれらの知見を精査し、アルゴリズムの修正なしに様々なRLアルゴリズムをまたいだ大幅なスケーラビリティ向上を示す。
  論文  参考訳（メタデータ） (2025-10-14T03:03:08Z)
• PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency [50.712873697511206]
  既存の作業は、多種多様なタスクへの適応性に欠けることが多く、AIエージェントメモリの構成的およびタスク指向の役割を見落としている。 PISAは,メモリを構築的かつ適応的なプロセスとして扱う,実践的でサイコにインスパイアされた統合メモリシステムである。 既存のLOCOMOベンチマークと新たに提案したデータ解析タスクのAggQAベンチマークに基づいて,PISAが適応性と長期的知識保持を大幅に向上させることで,新たな最先端技術を設定することを確認した。
  論文  参考訳（メタデータ） (2025-10-12T10:34:35Z)
• LLM-Assisted Iterative Evolution with Swarm Intelligence Toward SuperBrain [2.2494083541321466]
  本稿では,大規模言語モデル(LLM)と人間ユーザの共進化を基盤とした,集団知能のための新しい枠組みを提案する。 静的なプロンプトエンジニアリングや分離されたエージェントシミュレーションとは異なり、我々の手法はサブクラス脳からスーパークラス脳への動的経路を強調する。 この作業は、概念的基盤と、スケーラブルで説明可能な、整合した集合AIに向けたアーキテクチャロードマップの両方を提供する。
  論文  参考訳（メタデータ） (2025-08-30T14:12:46Z)
• Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence and its Societal Impact [27.722167796617114]
  本稿では,人工知能,認知神経科学,心理学,生成モデル,エージェントベースシステムの学際的合成について述べる。 我々は汎用知能のアーキテクチャと認知の基礎を分析し、モジュラー推論、永続記憶、マルチエージェント協調の役割を強調した。 我々は、人工知能への道の鍵となる科学的、技術的、倫理的課題を特定します。
  論文  参考訳（メタデータ） (2025-07-01T16:52:25Z)
• Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
  大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。 我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
  論文  参考訳（メタデータ） (2025-05-28T15:20:09Z)
• Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
  この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントなエージェントをフレーミングする、包括的な概要を提供する。 自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。 また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
  論文  参考訳（メタデータ） (2025-03-31T18:00:29Z)
• CogNGen: Constructing the Kernel of a Hyperdimensional Predictive Processing Cognitive Architecture [79.07468367923619]
  神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。 我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
  論文  参考訳（メタデータ） (2022-03-31T04:44:28Z)
• Provable Hierarchy-Based Meta-Reinforcement Learning [50.17896588738377]
  HRLをメタRL設定で解析し、下流タスクで使用するメタトレーニング中に学習者が潜在階層構造を学習する。 我々は、この自然階層の標本効率の回復を保証し、抽出可能な楽観主義に基づくアルゴリズムとともに「多様性条件」を提供する。 我々の境界は、時間的・状態的・行動的抽象化などのHRL文献に共通する概念を取り入れており、我々の設定と分析が実際にHRLの重要な特徴を捉えていることを示唆している。
  論文  参考訳（メタデータ） (2021-10-18T17:56:02Z)

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。