Fugu-MT 論文翻訳(概要): CoWAM: Coordination Contracts for Selective Policy Intervention with WAMs

論文の概要: CoWAM: Coordination Contracts for Selective Policy Intervention with WAMs

arxiv url: http://arxiv.org/abs/2608.02578v1
Date: Mon, 03 Aug 2026 17:51:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-04 15:07:25.746327
Title: CoWAM: Coordination Contracts for Selective Policy Intervention with WAMs
Title（参考訳）: CoWAM:WAMによる選択的政策介入のための調整契約
Abstract要約: CoWAMは、同期、役割互換性、衝突収束を協調契約として表現する選択的介入層である。各契約は、型付き許容チェックと、イベント条件の検証とキャリブレーションされた介入ゲートを組み合わせる。 CoWAMは、選択肢がすべての積極的義務を満足し、明確でリスクの低い改善を提供しない限り、名目上の行動を維持する。
参考スコア（独自算出の注目度）: 8.2685016127056
License: http://creativecommons.org/licenses/by/4.0/
Abstract: World Action Models (WAMs) augment robot policies with action-conditioned predicted futures, but a plausible future alone does not justify changing the action that a bimanual policy would execute. We present CoWAM, a selective intervention layer that expresses synchronization, role compatibility, and collision convergence as coordination contracts. Each contract combines typed admissibility checks with event-conditioned verification and calibrated intervention gates. CoWAM preserves the nominal action unless an alternative satisfies every active obligation and provides a clear, low-risk improvement; when the nominal action is also inadmissible, it invokes a predefined abstention fallback. To separate selector quality from proposal quality, all methods operate on identical candidate pools and commit their decisions before shared oracle labeling. Across eight simulated bimanual tasks, CoWAM improves coordination-valid selection by 16.7 percentage points over the contract-only variant and raises closed-loop success by 9.6 percentage points over the strongest selective baseline, while keeping harmful interventions below 1%. Together, these results establish coordination contracts as an effective interface for conservative policy intervention with predicted world-action evidence across coordination-rich bimanual tasks.
Abstract（参考訳）: 世界行動モデル(WAM)は、行動条件付き予測された未来でロボットポリシーを増強するが、もっともらしい未来だけでは、バイマニュアルポリシーが実行するアクションを変更することを正当化しない。協調契約として、同期、役割整合性、衝突収束を表現した選択的介入層であるCoWAMを提案する。各契約は、型付き許容チェックと、イベント条件の検証とキャリブレーションされた介入ゲートを組み合わせる。 CoWAMは、代替手段が全ての積極的義務を満足し、明確な低リスク改善を提供しない限り、名目的行動を保存する。セレクタの品質と提案品質を区別するために、すべてのメソッドは同一の候補プール上で動作し、共有オラクルラベリングの前に決定をコミットする。 8つのシミュレートされたバイマニュアルタスクの中で、CoWAMは、契約のみの変種よりも16.7ポイント、最強の選択ベースラインよりも9.6ポイントのクローズドループ成功率を向上し、有害な介入を1%以下に維持する。これらの結果とともに、協調に富んだバイマニュアルタスクにわたる予測された世界行動証拠と、保守的な政策介入のための効果的なインターフェースとして協調契約を確立する。

関連論文リスト

EvoSafeHarness: Evolving Model- and Domain-Specific Harnesses for Securing Agents [74.54929751174289]
EvoSafeHarnessは、ターゲットドメイン内の凍結モデルのためのデプロイ可能なハーネスを合成する、安全固有の最適化フレームワークである。これは平均攻撃成功率を3.3ポイントのユーティリティコストで45.6%から10.0%に下げる。また、Agent-SafetyBenchでは、すべての犠牲者に対してベストスコアを獲得している。
論文参考訳（メタデータ） (2026-09-05T05:56:41Z)
Consilience: Conformally Calibrated Communication Control for Hidden-Profile Multi-Agent Reasoning [18.12675101210169]
本研究では,分散プライベート情報の下でマルチエージェント通信を操り,認証する推論時オーケストレーションフレームワークであるConsilienceを提案する。それぞれのターンで、コンシリエンスは、不確実性、不一致、証拠の獲得、冗長性、早めのコンセンサスを捉えた、コンパクトな状態を使って議論を要約する。 HiddenBenchスタイルの隠れタスクでは、Consilienceは、固定および非構造化の議論プロトコルよりも決定精度と通信効率を向上させる。
論文参考訳（メタデータ） (2026-08-20T20:57:25Z)
Multi-Target Maneuver Coordinations: Unlocking Coordination Opportunities in Connected Automated Driving [6.284195585770223]
本稿では,多目的選択に基づく操作調整手法を提案する。与えられた操作のために、車両は複数の潜在的な調整車両を識別し、選択することができる。その結果, 複数ターゲットの操作調整はトリガを著しく増加させ, 実行された調整を成功させることができた。
論文参考訳（メタデータ） (2026-06-20T14:14:19Z)
IMPACT-HOI: Supervisory Control for Onset-Anchored Partial HOI Event Construction [72.51952455865155]
我々は,エゴセントリックなプロシージャビデオに注釈を付けるための混合開始型フレームワークIMPACT-HOIを提案する。 IMPACT-HOIは、このタスクを部分的に指定され、オンセットされたイベント状態の漸進的な解決として捉えている。 9人の参加者によるユーザスタディでは、手動のアノテーションアクションが13.5%減少し、46.67%のイベントマッチレート、確認されたフィールド違反がゼロである。
論文参考訳（メタデータ） (2026-05-03T01:37:40Z)
Action-Graph Policies: Learning Action Co-dependencies in Multi-Agent Reinforcement Learning [7.702487800530373]
協調行動は多エージェント強化学習における最も基本的な協調形態である。我々はエージェントの利用可能なアクション選択間の依存関係をモデル化するアクショングラフポリシー(AGP)を提案する。 AGPは多様なマルチエージェント環境で他のMARLメソッドよりも一貫して優れている。
論文参考訳（メタデータ） (2026-02-19T02:13:29Z)
When Actions Go Off-Task: Detecting and Correcting Misaligned Actions in Computer-Use Agents [50.5814495434565]
この研究は、コンピュータ利用エージェント(CUA)における不整合検出を定義し、研究する最初の試みである。実世界のCUAデプロイメントにおける3つの一般的なカテゴリを特定し、人間の注釈付きアクションレベルのアライメントラベルを用いたリアルな軌跡のベンチマークであるMisActBenchを構築した。本稿では,実行前に不整合を検知し,構造化されたフィードバックによって繰り返し修正する,実用的で普遍的なガードレールであるDeActionを提案する。
論文参考訳（メタデータ） (2026-02-09T18:41:15Z)
BEDA: Belief Estimation as Probabilistic Constraints for Performing Strategic Dialogue Acts [69.7477004390211]
我々は2つの中核的行為を形式化し、エージェントが生成する可能性のある確率的制約によってそれらを運用する。我々は,このアイデアを,世界集合と信念推定のための信念推定器と,推論された信念と整合した発話を選択・実現する条件生成器とからなる枠組みであるBEDAでインスタンス化する。
論文参考訳（メタデータ） (2025-12-31T14:26:55Z)
Towards Optimal Performance and Action Consistency Guarantees in Dec-POMDPs with Inconsistent Beliefs and Limited Communication [9.269394037577177]
不確実性の下でのマルチエージェント意思決定は、効果的で安全な自律運転に不可欠である。既存のほとんどのアプローチは、すべてのエージェントが計画時に同じ信念を持っていると仮定し、これらの信念が同じデータで条件付けられていることを示唆している。我々は,信念の不整合を明示的に考慮した,最適な共同行動選択のための新たな分散フレームワークを提案する。
論文参考訳（メタデータ） (2025-12-23T21:25:53Z)
Joint Optimization of Cooperation Efficiency and Communication Covertness for Target Detection with AUVs [105.81167650318054]
本稿では,自律型水中車両(AUV)を用いた水中協調目標検出について検討する。まず,共同軌道と電力制御の最適化問題を定式化し,それを解決するための革新的な階層的行動管理フレームワークを提案する。集中学習と分散実行のパラダイムの下で,我々の目標検出フレームワークは,エネルギーとモビリティの制約を満たすとともに,適応的なカバート協調を可能にする。
論文参考訳（メタデータ） (2025-10-21T02:14:11Z)
Equivariant Networks for Zero-Shot Coordination [34.95582850032728]
Dec-POMDPのコーディネートを成功させるためには、エージェントは堅牢な戦略と、パートナーのための解釈可能なスタイルを採用する必要がある。共通の失敗モードは対称性の破れであり、エージェントは等価だが相互に相容れない多くのポリシーのうちの1つに任意に収束する。ゼロショット調整を改善するために環境対称性を効果的に活用する,Dec-POMDPにおける新しい同変ネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-10-21T17:25:34Z)
Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
論文参考訳（メタデータ） (2021-12-03T19:23:48Z)

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。