論文の概要: A Forward-Inverse Dynamic Game Framework for Enhanced Multi-Agent Trajectory Planning
- arxiv url: http://arxiv.org/abs/2608.01636v1
- Date: Mon, 03 Aug 2026 03:15:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.30934
- Title: A Forward-Inverse Dynamic Game Framework for Enhanced Multi-Agent Trajectory Planning
- Title（参考訳）: 拡張マルチエージェント軌道計画のためのフォワード逆動的ゲームフレームワーク
- Abstract要約: そこで本稿では, 最適性と行動前処理を適応的にバランスさせる状態依存重み付きKL正規化動的ゲームを提案する。
正規化局所ゲームの一点当たりの well-posedness を確立し、適応重み付け関数が有界な名目軌道更新の下でリプシッツ連続であることを示す。
- 参考スコア（独自算出の注目度）: 10.027004863448854
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies feedback Nash equilibrium (FBNE) seeking for multi-agent trajectory planning in nonlinear dynamical systems with unknown agents' objectives and state-dependent inter-agent coupling. While dynamic game theory provides a principled framework for such problems, existing approaches typically assume fully rational agents with known objectives or rely on fixed regularization, limiting their ability to capture bounded rationality and spatially varying interaction intensity in safety-critical settings. To this end, we propose a KL-regularized dynamic game with a state-dependent weight that adaptively balances optimality and behavioral priors. To infer unknown cost parameters from demonstrated behaviors, we develop a context-aware inverse game module based on maximum-entropy inverse reinforcement learning with physics-informed regularization, ensuring structural consistency with the forward game. We establish per-iteration well-posedness of the regularized local game and show that the adaptive weighting function remains Lipschitz continuous under bounded nominal-trajectory updates. Numerical simulations and multi-robot experiments on cooperative navigation and merging scenarios validate the effectiveness of the proposed framework.
- Abstract（参考訳）: 本稿では,未知エージェントの目的と状態依存型エージェント間結合を有する非線形力学系におけるマルチエージェント軌道計画を求めるナッシュ平衡(FBNE)のフィードバックについて検討する。
ダイナミックゲーム理論はそのような問題に対する原則的な枠組みを提供するが、既存のアプローチは一般に、既知の目的を持つ完全有理的エージェントを仮定するか、あるいは固定正則化に依存する。
そこで本稿では, 最適性と行動前処理を適応的にバランスさせる状態依存重み付きKL正規化動的ゲームを提案する。
実演行動から未知のコストパラメータを推定するために,物理インフォームド正規化を用いた最大エントロピー逆強化学習に基づくコンテキスト認識型逆ゲームモジュールを開発し,前方ゲームと構造的整合性を確保する。
正規化局所ゲームにおいて,定式化された局所ゲームにおいて,定式化された局所ゲームに対して,その適応重み付け関数が有界な名目軌道更新の下でリプシッツ連続であることを示す。
協調ナビゲーションと統合シナリオに関する数値シミュレーションとマルチロボット実験により,提案手法の有効性が検証された。
関連論文リスト
- A Hybrid Sampling-Based Trajectory Planner with Game-Theoretic Guidance for Autonomous Racing [41.40585589054522]
本稿では,ゲーム理論推論をサンプリングベースモーションプランナに統合するハイブリッドアーキテクチャを提案する。
本手法は,フルダイナミックゲームソルバの計算負担を伴わずにブロッキングなどの防御動作を誘導する。
論文 参考訳（メタデータ） (2026-07-15T00:27:36Z) - World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning [60.88859946006306]
Adversa World Modeling(英語版)は理論上基礎を成すマルチエージェント・セルフプレイ・ファインチューニングフレームワークである。
内的最小化においては、プランナーの予測世界モデルは、スパースでシーン適応的なアタック・アタック・アライアンスを学ぶロール条件の敵に変換される。
nuPlan と InterPlan のベンチマーク実験により,本手法が伝達可能な対角相互作用を生成することを示す。
論文 参考訳（メタデータ） (2026-07-12T07:44:16Z) - Weight Updates as Activation Shifts: A Principled Framework for Steering [54.70188910511715]
アクティベーションステアリングは極めてパラメータ効率のよい適応形態となるが、その有効性は重要な設計選択に依存する。
我々は,活性化空間介入と重量空間更新の1次等価性を確立し,活性化ステアリングが微調整動作を再現できる条件を導出する。
この等価性は、設計をステアリングするための原則的な枠組みをもたらし、ポストブロック出力を理論的に支持され、非常に表現力のある介入サイトとして特定する。
論文 参考訳（メタデータ） (2026-02-28T02:50:04Z) - A Data Driven Structural Decomposition of Dynamic Games via Best Response Maps [0.0]
本稿では,平衡計算の再構成による動的ゲームに対する概念的新しい定式化を提案する。
提案された定式化は、自律レース問題に動機づけられた2プレイヤーのオープンループダイナミックゲームにおいて、モンテカルロの大規模な研究に付随する数学的証明によって支持される。
論文 参考訳（メタデータ） (2026-02-05T05:44:53Z) - Decoding Rewards in Competitive Games: Inverse Game Theory with Entropy Regularization [52.74762030521324]
本稿では,観察行動から報酬関数を学習するための新しいアルゴリズムを提案する。
我々は,アルゴリズムの信頼性とサンプル効率について,強力な理論的保証を提供する。
論文 参考訳（メタデータ） (2026-01-19T04:12:51Z) - EvoQRE: Modeling Bounded Rationality in Safety-Critical Traffic Simulation via Evolutionary Quantal Response Equilibrium [0.0]
EvoQREは、安全クリティカルなトラフィックインタラクションをモデル化するための原則化されたフレームワークである。
事前学習された生成世界モデルとエントロピー規則化された複製子ダイナミクスを統合する。
最先端の現実主義、安全基準の改善、多様な安全クリティカルシナリオの制御可能な生成を実現している。
論文 参考訳（メタデータ） (2026-01-09T09:21:36Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - Blending Data-Driven Priors in Dynamic Games [9.085463548798366]
Kullback-Leibler (KL) 正規化による非協調的ダイナミックゲームの解法を定式化する。
我々は,KLGameのNash平衡戦略を,マルチモーダル近似フィードバックをリアルタイムに計算するための効率的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-02-21T23:22:32Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z)
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。