論文の概要: Multi-Agent Planning with Spatio-Temporal and Topological Constraints using STL-GO

• arxiv url: http://arxiv.org/abs/2607.28679v1
• Date: Wed, 29 Jul 2026 16:12:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.3669
• Title: Multi-Agent Planning with Spatio-Temporal and Topological Constraints using STL-GO
• Title（参考訳）: STL-GOを用いた時空間的・位相的制約を考慮したマルチエージェント計画
• Authors: Sheryl Paul, Vidisha Kudalkar, Anand Balakrishnan, Lars Lindemann, Alberto Speranzon, Jyotirmoy V. Deshmukh,
• Abstract要約: グラフ演算子(STL-GO)に記述された制約を満たすマルチエージェントパスの計画問題を考える。 この問題は、STL-GO固有のグラフ演算子を介して、複数の潜在的時間変化グラフを符号化する必要があるため、特に困難である。 本稿では,MIP(Mixed-integer Programming)とSMT(Satisfiability modulo theory)の2つの符号化手法を提案する。
• 参考スコア（独自算出の注目度）: 2.0377799177694533
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent planning problems arise in a variety of engineering applications, such as multi-robot wildfire fighting and unmanned aerial inspection in factories. A particular challenge is the existence of spatio-temporal (i.e., when and/or where an agent should do what) and topological constraints (i.e., how agents should interact), as typically formalized via the notion of graphs. Over the last years, various frameworks have been proposed that can capture such constraints via spatio-temporal logics. We focus here on spatio-temporal logic with graph operators (STL-GO), a recent formalism that supports reasoning about multiple agents and their topologies, such as sensing, communication, and task topologies. In this paper, we consider the problem of planning multi-agent paths that satisfy constraints written in STL-GO. This problem is particularly challenging due to the need of encoding multiple, potentially time-varying graphs via the graph operators inherent to STL-GO. We present two encodings of this problem, one based on mixed-integer programming (MIP) and another based on satisfiability modulo theory (SMT), with soundness guarantees. We provide a unified interface for specifying agent constraints, their graph topologies, and the STL-GO specification, enabling seamless use of both methods and facilitating direct comparison between them. We evaluate both encodings on a multi-UAV search-and-rescue benchmark, ablating over team size and graph complexity, highlighting the expressiveness of the proposed encodings under dynamic multi- graph interactions.
• Abstract（参考訳）: マルチエージェントの計画問題は、工場におけるマルチロボットの山火事や無人航空機の検査など、様々な工学的応用で発生する。 特に問題となるのは、時空間(エージェントが何をすべきか、あるいは何をすべきか)と位相的制約(エージェントがどのように相互作用すべきか)の存在である。 過去数年間、時空間論理によってそのような制約を捕捉できる様々なフレームワークが提案されてきた。 本稿では,グラフ演算子(STL-GO)を用いた時空間論理に着目し,複数のエージェントとそのトポロジ(センシング,通信,タスクトポロジ)の推論を支援する。 本稿では,STL-GOで記述された制約を満たすマルチエージェントパスの計画について考察する。 この問題は、STL-GO固有のグラフ演算子を介して、複数の潜在的時間変化グラフを符号化する必要があるため、特に困難である。 本稿では,MIP(Mixed-integer Programming)とSMT(Satisfiability modulo theory)の2つの符号化手法を提案する。 エージェント制約,そのグラフトポロジ,およびSTL-GO仕様を記述し,両メソッドのシームレスな使用を可能にし,それらの直接比較を容易にする統一インターフェースを提供する。 我々は,複数UAV検索・救助ベンチマークで両エンコーディングを評価し,チームサイズとグラフの複雑さを非難し,動的マルチグラフ相互作用下での符号化の表現性を強調した。

関連論文リスト

• OFA-MAS: One-for-All Multi-Agent System Topology Design based on Mixture-of-Experts Graph Generative Models [57.94189874119267]
  マルチエージェントシステム(MAS)は複雑な問題を解決するための強力なパラダイムを提供する。 現在のグラフ学習に基づく設計手法は、しばしば「1対1」のパラダイムに準拠している。 自然言語で記述されたタスクに対して適応的な協調グラフを生成する一対一のフレームワークOFA-TADを提案する。
  論文  参考訳（メタデータ） (2026-01-19T12:23:44Z)
• Process-Centric Analysis of Agentic Software Systems [10.976178600911263]
  ソフトウェアシステムにおける時間的・意味的な関係をエンコードするためにGraphectoryを導入する。 2つの支配的エージェントプログラミングモデルの4000のトラジェクトリを解析する。 完全に自動化された分析により、よりリッチなプロンプトを用いたエージェントはより複雑なGraphectoryを示すことが明らかとなった。
  論文  参考訳（メタデータ） (2025-12-02T04:12:29Z)
• Verification-Aware Planning for Multi-Agent Systems [35.82875628010279]
  We present VeriMAP, a framework for multi-agent collaboration with verification-aware planning。 プランナーはタスクを分解し、サブタスクの依存関係をモデル化し、プランナー定義のパス基準をエンコードする。 検証対応計画がマルチエージェントシステムにおける信頼性の高い協調と反復的改善を実現する方法を示す。
  論文  参考訳（メタデータ） (2025-10-20T02:54:29Z)
• AgentRouter: A Knowledge-Graph-Guided LLM Router for Collaborative Multi-Agent Question Answering [51.07491603393163]
  tAgentは知識グラフ誘導ルーティング問題としてマルチエージェントQAを定式化するフレームワークである。 エージェントアウトプットのソフトな監督と重み付けされた集約を活用することで、エージェントは多様なエージェントの相補的な強みを捉える、原則化された協調スキームを学ぶ。
  論文  参考訳（メタデータ） (2025-10-06T23:20:49Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning [62.640169289390535]
  SPLIT-RAGは、質問駆動セマンティックグラフ分割と協調サブグラフ検索による制限に対処するマルチエージェントRAGフレームワークである。 革新的なフレームワークは、まずリンク情報のセマンティック分割を作成し、次にタイプ特化知識ベースを使用してマルチエージェントRAGを実現する。 属性対応グラフセグメンテーションは、知識グラフを意味的に一貫性のあるサブグラフに分割し、サブグラフが異なるクエリタイプと整合することを保証する。 階層的なマージモジュールは、論理的検証を通じて、部分グラフ由来の解答間の矛盾を解消する。
  論文  参考訳（メタデータ） (2025-05-20T06:44:34Z)
• Decomposition-based Hierarchical Task Allocation and Planning for Multi-Robots under Hierarchical Temporal Logic Specifications [9.150196865878234]
  時間論理仕様を用いたロボット計画のための分解に基づく階層的枠組みを定式化する。 混合線形プログラムは、様々なロボットにサブタスクを割り当てるために使用される。 本手法はナビゲーションと操作の領域に実験的に適用された。
  論文  参考訳（メタデータ） (2023-08-20T23:53:13Z)

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。