論文の概要: Planner-Conditioned Diffusion for Coordinated Multi-Agent Exploration

• arxiv url: http://arxiv.org/abs/2608.16229v1
• Date: Mon, 17 Aug 2026 08:07:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.585458
• Title: Planner-Conditioned Diffusion for Coordinated Multi-Agent Exploration
• Title（参考訳）: 協調型マルチエージェント探索のためのプランナー条件付き拡散
• Abstract要約: 協調型マルチエージェント探索は、エージェント間の効率的な個別のカバレッジと非冗長なカバレッジを必要とする。 グラフに基づくマルチエージェント探索のためのプランナー・コンディションド・ディフュージョン・ポリシー(PCDP)を提案する。
• 参考スコア（独自算出の注目度）: 7.151235176774153
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coordinated multi-agent exploration requires not only efficient individual coverage but also non-redundant coverage across agents over extended planning horizons. Conventional approaches rely on hand-crafted coordination rules, while end-to-end multi-agent learning methods are difficult to scale and train. Diffusion-based planners such as DARE offer a promising alternative by generating long-horizon trajectories instead of single-step actions, but existing methods are trained on a narrow planner distribution, limiting behavioral diversity and inference-time controllability. We propose a Planner-Conditioned Diffusion Policy (PCDP) for graph-based multi-agent exploration. PCDP is trained on demonstrations from multiple planner styles with planner identity as an explicit conditioning input, enabling a single shared model to learn a multimodal trajectory distribution and generate diverse, controllable trajectory candidates from the same observation. Rather than learning coordination end-to-end, we reuse this multimodal single-agent policy across all agents and introduce coordination through local reranking, in which nearby agents jointly select the trajectory combination with minimal predicted overlap. We evaluate PCDP against classical and diffusion-based baselines on 100 held-out maps in a four-agent simulation setting. PCDP matches the perfect success rate of the diffusion-based baselines while improving mean max-agent travel, total team travel, and agent imbalance. Crucially, reranking alone over a single-planner baseline yields only marginal gains, indicating that planner-conditioned multimodality is the main contributor to improved coordination. Qualitative simulation results and real-robot experiments with two agents further validate that diverse long-horizon trajectory generation produces emergent spatial separation between agents without any explicit repulsion mechanism.
• Abstract（参考訳）: 協調型マルチエージェント探索は、効率的な個別のカバレッジだけでなく、長期計画地平線を越えてエージェントを横断する非冗長なカバレッジも要求する。 従来の手法は手作りのコーディネーションルールに依存しており、エンドツーエンドのマルチエージェント学習手法はスケールとトレーニングが難しい。 DAREのような拡散型プランナーは、単一ステップではなく長い水平軌道を生成することで、有望な代替手段を提供するが、既存の手法は狭いプランナー分布に基づいて訓練され、振る舞いの多様性と推論時間の制御性が制限される。 グラフに基づくマルチエージェント探索のためのプランナー・コンディションド・ディフュージョン・ポリシー(PCDP)を提案する。 PCDPは、プランナーアイデンティティを明示的な条件付け入力とする複数のプランナースタイルのデモンストレーションに基づいて訓練され、単一の共有モデルでマルチモーダルな軌道分布を学習し、同じ観測から多種多様な制御可能な軌道候補を生成することができる。 エンドツーエンドの協調を学習する代わりに、このマルチモーダルな単一エージェントポリシーをすべてのエージェントで再利用し、局所的な優先順位付けによって協調を導入し、近くのエージェントが最小のオーバーラップで軌道の組み合わせを共同で選択する。 我々は,PCDPを古典的,拡散的ベースラインに対して,100個のホールドアウトマップに対して4エージェントシミュレーションで評価した。 PCDPは拡散ベースラインの完全成功率と一致し、平均最大走行、全チーム移動、エージェント不均衡を改善した。 重要なことに、シングルプランナーベースラインに単独でランク付けすると、限界ゲインしか得られず、プランナー条件付き多重モダリティが調整の改善の主な要因であることを示している。 定性的シミュレーションの結果と、2つのエージェントによる実ロボット実験により、様々な長距離軌道生成が、明示的な反発機構のないエージェント間の創発的な空間的分離を生み出すことがさらに証明された。

関連論文リスト

• Generative Multi-Robot Motion Planning via Diffusion Modeling with Multi-Agent Reinforcement Learning Guidance [0.45030648826819175]
  本稿では,協調型マルチロボット動作計画のためのフレームワークを提案する。 分散生成軌道計画とマルチエージェント強化学習(MARL)に基づく協調を組み合わせる。 その結果, 提案した拡散計画により, エージェント間干渉率を55.4%から41.8%に低下させることがわかった。
  論文  参考訳（メタデータ） (2026-05-30T23:54:04Z)
• Offline Multi-agent Reinforcement Learning via Score Decomposition [51.23590397383217]
  オフライン協調型マルチエージェント強化学習(MARL)は、分散シフトによる固有の課題に直面している。 この作業は、オフラインとオンラインのMARL間の分散ギャップを明示的に解決する最初の作業である。
  論文  参考訳（メタデータ） (2025-05-09T11:42:31Z)
• Cooperative Reward Shaping for Multi-Agent Pathfinding [4.244426154524592]
  MAPF(Multi-Agent Pathfinding)の主な目的は、全てのエージェントに対して効率的で競合のないパスを計画することである。 従来のマルチエージェントパス計画アルゴリズムは、複数のエージェントに対して効率的な分散パス計画を実現するのに苦労する。 独立Q-Learning(IQL)に基づく独自の報酬形成手法を紹介する。
  論文  参考訳（メタデータ） (2024-07-15T02:44:41Z)
• Factored Online Planning in Many-Agent POMDPs [8.728372851272727]
  集中型マルチエージェントシステムでは、アクションと観測空間はエージェントの数とともに指数関数的に増加する。 我々はMPOMDPのためのサンプルベースオンラインプランナに重み付き粒子フィルタリングを導入する。 第三に、我々はその信念をスケーラブルに近似する。
  論文  参考訳（メタデータ） (2023-12-18T18:35:30Z)
• Multi-Agent Reinforcement Learning-Based UAV Pathfinding for Obstacle Avoidance in Stochastic Environment [12.122881147337505]
  マルチエージェント強化学習に基づく分散実行手法を用いた新しい集中型学習法を提案する。 このアプローチでは、エージェントは集中型プランナーとのみ通信し、オンラインで分散的な決定を行う。 訓練効率を高めるため,多段階強化学習において多段階値収束を行う。
  論文  参考訳（メタデータ） (2023-10-25T14:21:22Z)
• MADiff: Offline Multi-agent Learning with Diffusion Models [79.18130544233794]
  MADiffは拡散型マルチエージェント学習フレームワークである。 分散ポリシと集中型コントローラの両方として機能する。 実験の結果,MADiffは様々なマルチエージェント学習タスクにおいて,ベースラインアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2023-05-27T02:14:09Z)
• IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
  IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。 我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
  論文  参考訳（メタデータ） (2023-03-01T15:16:56Z)
• Learning Efficient Multi-Agent Cooperative Visual Exploration [18.42493808094464]
  複数のエージェントによる視覚的屋内探索の課題を考察し、エージェントはできるだけ少ないステップで屋内全領域を探索する必要がある。 我々は、最先端の単一エージェントRLソリューションであるActive Neural SLAM(ANS)を、新しいRLベースのグローバルゴールプランナーであるSpatial Coordination Planner(SCP)を導入してマルチエージェント設定に拡張する。 SCPは、各エージェントの空間情報をエンドツーエンドに活用し、探索効率の高い異なる空間目標に向けて効果的にエージェントを誘導する。
  論文  参考訳（メタデータ） (2021-10-12T04:48:10Z)
• F2A2: Flexible Fully-decentralized Approximate Actor-critic for Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
  分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。 本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。 当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
  論文  参考訳（メタデータ） (2020-04-17T14:56:29Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)
• Model-based Reinforcement Learning for Decentralized Multiagent Rendezvous [66.6895109554163]
  目標を他のエージェントと整合させる人間の能力の下にあるのは、他人の意図を予測し、自分たちの計画を積極的に更新する能力である。 分散型マルチエージェントレンデブーのためのモデルに基づく強化学習手法である階層型予測計画(HPP)を提案する。
  論文  参考訳（メタデータ） (2020-03-15T19:49:20Z)

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。