論文の概要: SyncSBC: Decentralized Swarm Behavior Prediction for Synchronized Autonomous Control
- arxiv url: http://arxiv.org/abs/2608.06587v1
- Date: Thu, 06 Aug 2026 20:59:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.28809
- Title: SyncSBC: Decentralized Swarm Behavior Prediction for Synchronized Autonomous Control
- Title（参考訳）: SyncSBC:同期自律制御のための分散Swarm動作予測
- Abstract要約: 同期Swarm振舞い分類(SyncSBC)を導入する。
SyncSBCは、機械学習の改善と分散コンセンサスを組み合わせて、集合的なSwarm動作を分類する。
SyncSBCは高い分類精度と低同期遅延を実現し,実世界の展開に適していることを示す。
- 参考スコア（独自算出の注目度）: 10.14646115546617
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robot swarms utilize many independent limited-sensing agents to produce complex emergent behaviors without requiring centralized control. However, little research explores how agents can infer swarm-level behavior from purely local perception, a capability critical for detecting faults and behavior changes. In this paper, we introduce Synchronized Swarm Behavior Classification (SyncSBC), which combines improvements in machine learning and distributed consensus to classify collective swarm behavior and synchronize swarm decision-making in an entirely decentralized manner. We show that SyncSBC achieves high classification accuracy and low synchronization delay, making it suitable for real-world deployment. Finally, we use SyncSBC to demonstrate two promising swarm applications on real robots where we show that swarms utilizing SyncSBC can accurately identify anomalies in robot behavior and autonomously coordinate collective changes in swarm behavior. Videos, code and supplemental experiments are available at https://sites.google.com/view/sync-sbc/home.
- Abstract（参考訳）: ロボット群は、多くの独立した限定センシングエージェントを使用して、集中制御を必要とせずに複雑な緊急行動を生成する。
しかし、エージェントが純粋に局所的な知覚から群レベルの行動を推測する方法はほとんど研究されていない。
本稿では、機械学習の改善と分散コンセンサスを組み合わせたシンクロナイズド・スワム行動分類(SyncSBC)を導入し、集合的なスワム行動の分類と、完全に分散された方法でスワムの意思決定を同期させる。
SyncSBCは高い分類精度と低同期遅延を実現し,実世界の展開に適していることを示す。
最後に、SyncSBCを用いて、2つの有望なSwarmアプリケーションを実ロボット上で実証し、SyncSBCを利用したSwarmがロボット動作の異常を正確に識別し、Swarm動作の集合的変化を自律的に調整できることを示した。
ビデオ、コード、補足実験はhttps://sites.google.com/view/sync-sbc/home.comで公開されている。
関連論文リスト
- Swarm-Inspired Generation of Collective Behaviors in Graph Dynamical Systems [8.850868913618562]
Swarm-Inspired Emergent Synchronizer (SIES) は、制御可能な集団組織のための一般化可能な局所的相互作用法則を学習するグラフ力学フレームワークである。
同期制御のために、SIESは、訓練されていないネットワークスケールでCDSの所定の同期パターンを生成する一般化可能な結合演算子を学習する。
グラフ表現学習では、SIESはメッセージパッシングに同じ署名された相互作用原理を適用し、最高性能を達成する。
論文 参考訳（メタデータ） (2026-06-23T08:53:36Z) - Uni-Synergy: Bridging Understanding and Generation for Personalized Reasoning via Co-operative Reinforcement Learning [56.99010101756807]
我々は、パーソナライズされた理解と生成を共同で最適化する、エンドツーエンドの強化学習フレームワークSync-R1を提案する。
Sync-R1はパーソナライズされた理解を可能にしてコンテンツ生成をガイドし、生成した品質は相互に理解を洗練させる。
また,低電位トラジェクタを適応的にフィルタして勾配分散を低減し,収束を加速する動的グループスケーリング(DGS)も導入する。
実験結果から,Sync-R1は高度なクロスタスク推論とロバストなパーソナライゼーションを実現していることがわかった。
論文 参考訳（メタデータ） (2026-05-11T12:18:26Z) - FedRio: Personalized Federated Social Bot Detection via Cooperative Reinforced Contrastive Adversarial Distillation [52.56850762009136]
ソーシャルボットの検出は、オンラインソーシャルプラットフォームの安定性とセキュリティに不可欠である。
現在の最先端のボット検出モデルは、主に独立して開発されている。
クロスプラットフォームおよびクロスモデル検出フレームワークとしてFedRioを提案する。
論文 参考訳（メタデータ） (2026-04-12T15:13:41Z) - Contingency Model-based Control (CMC) for Communicationless Cooperative Collision Avoidance in Robot Swarms [1.8731986346520637]
CMC(Contingency Model-based Control)は、コミュニケーションに依存しない分散協調型アプローチである。
本稿では,コミュニケーションに依存しない分散協調型アプローチであるContingency Model-based Control (CMC)を提案する。
論文 参考訳（メタデータ） (2025-12-23T14:28:42Z) - Benchmarking LLMs' Swarm intelligence [51.648605206159125]
大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。
分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。
本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
論文 参考訳（メタデータ） (2025-05-07T12:32:01Z) - SyncMind: Measuring Agent Out-of-Sync Recovery in Collaborative Software Engineering [74.04271300772155]
SyncMindは、ソフトウェア工学において、大きな言語モデル(LLM)エージェントが直面している非同期の問題を体系的に定義するフレームワークである。
SyncMindをベースとしたSyncBenchは,実世界のCSEで24,332のエージェントアウトオブシンクシナリオを特徴とするベンチマークです。
論文 参考訳（メタデータ） (2025-02-10T19:38:36Z) - Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。
既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。
我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
論文 参考訳（メタデータ） (2024-12-11T06:35:18Z) - Validated Strong Consensus Protocol for Asynchronous Vote-based Blockchains [4.79997217554732]
投票ベースのブロックチェーンは、Byzantine Fault Toleranceコンセンサスプロトコルを使用して、ある状態から別の状態へ移行する。
本稿では,非同期環境におけるリーダベースの協調を可能にする,強大なBFTコンセンサスモデルを提案する。
我々のプロトコルはメッセージの複雑さを大幅に減らし、しきい値のシグネチャに頼ることなく線形ビューの変更を実現する最初のプロトコルです。
論文 参考訳（メタデータ） (2024-09-12T15:54:40Z) - Exploring the Limitations of Layer Synchronization in Spiking Neural Networks [0.3284483366177839]
真に非同期なシステムでは、すべてのニューロンが閾値を同時に評価し、シナプス前電流を受けるとスパイクを発生させることができる。
スパイクを減らし、推論を高速化し、競争力や精度を向上する非同期処理の可能性を示す。
論文 参考訳（メタデータ） (2024-08-09T14:39:23Z) - Federated Contextual Cascading Bandits with Asynchronous Communication
and Heterogeneous Users [95.77678166036561]
繊細な通信プロトコルを用いたUPB型アルゴリズムを提案する。
同期フレームワークで達成されたものと同等のサブ線形後悔境界を与えます。
合成および実世界のデータセットに関する実証評価は、後悔と通信コストの観点から、我々のアルゴリズムの優れた性能を検証する。
論文 参考訳（メタデータ） (2024-02-26T05:31:14Z)
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。