論文の概要: ITA-LaCAM: A Complete and Scalable TAPF Solver via Assignment-Aware Configuration-Space Search
- arxiv url: http://arxiv.org/abs/2609.14208v1
- Date: Sun, 13 Sep 2026 00:38:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.762378
- Title: ITA-LaCAM: A Complete and Scalable TAPF Solver via Assignment-Aware Configuration-Space Search
- Title（参考訳）: ITA-LaCAM: Assignment-Aware Configuration-Space Searchによる完全でスケーラブルなTAPFソルバー
- Abstract要約: TAPF(Target Assignment and Path Finding)は、衝突のない経路を同時に計画しながらエージェントにターゲットを割り当てることを必要とする。
我々は、LaCAMとITA-CBSにインスパイアされた、完全でスケーラブルなTAPF解決器であるITA-LaCAMを紹介する。
- 参考スコア（独自算出の注目度）: 13.499784584888902
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Combined Target Assignment and Path Finding (TAPF) requires assigning targets for agents while simultaneously planning collision-free paths. We present ITA-LaCAM, a complete and scalable TAPF solver inspired by LaCAM and ITA-CBS. In ITA-LaCAM, each joint-configuration node carries an agent-to-target matching. When a successor is generated, ITA-LaCAM incrementally repairs the matching for the agents that moved and uses the targets to guide PIBT successor generation. This design enables adaptive reassignment without explicitly enumerating the combinatorial assignment space, while preserving LaCAM's completeness and scalability. Across 9,760 benchmark instances on eight maps with 5--200 agents, ITA-LaCAM solved 100% of the instances, compared with 95.6% for IR-TAPF configured with DBS-Hungarian. ITA-LaCAM found an initial solution faster in 84.0% of the comparisons and achieved a lower sum of costs in 65.0% of the instances solved by both methods.
- Abstract（参考訳）: TAPF(Target Assignment and Path Finding)は、衝突のない経路を同時に計画しながらエージェントにターゲットを割り当てることを必要とする。
我々は、LaCAMとITA-CBSにインスパイアされた、完全でスケーラブルなTAPF解決器であるITA-LaCAMを紹介する。
ITA-LaCAMでは、各ジョイント構成ノードはエージェント・ツー・ターゲットマッチングを持つ。
後継が生成されると、ITA-LaCAMは移動したエージェントのマッチングを段階的に修復し、PIBT後継生成を誘導する。
この設計は、LaCAMの完全性とスケーラビリティを保ちながら、組合せ代入空間を明示的に列挙することなく、適応的な再割り当てを可能にする。
5-200エージェントを持つ8つのマップ上の9,760のベンチマークインスタンスに対して、ITA-LaCAMは100%のインスタンスを解決した。
ITA-LaCAMは、比較の84.0%で初期解がより高速であることを発見し、どちらの方法でも65.0%でコストを下げた。
関連論文リスト
- LLMs Can Predict Failure Risk, But Struggle to Predict Which Collaboration Protocol Pays Off: Cost-Aware Protocol Routing Across Reasoning Tasks [3.789882665982407]
マルチエージェント大規模言語モデル(LLM)システムは、より多くの計算に費やして推論を改善することができる。
この決定は、各設定内に固定されたソルバを保持しながら、すべての問題を4つのプロトコルで実行することで分離する。
論文 参考訳（メタデータ） (2026-08-14T22:35:37Z) - CalibForge: Adversarial Solver Calibration for Scaling Learnable Terminal Tasks [87.1086886770395]
CalibForgeは、自律型ターミナルタスク合成システムである。
検証されたソルバの挙動を用いて、逆ソルバの校正によって候補タスクを修正する。
CalibForgeを使って5,431の端末タスクを構築します。
論文 参考訳（メタデータ） (2026-08-06T17:53:18Z) - COMPAS: Difficulty-Aware Joint Search for Optimizing Code Generation [16.33065582566179]
低コストモデル選択と共同プロンプトデコード検索により,グループ固有の品質・コスト面を学習する難易度認識手法であるCompASを導入する。
LiveCodeBenchの検索予算で、CompASはパス@1を最高のベースラインで45.9%から52.8%に改善し、コストは36.57ドルから4.92ドルに削減した。
論文 参考訳（メタデータ） (2026-08-05T01:28:43Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Alternating Target-Path Planning for Scalable Multi-Agent Coordination [11.193867567895353]
並列ターゲット割り当てとパスフィンディング問題は、マルチエージェントパスフィンディングを拡張する。
本稿では,パスフィニングから目的の割り当てを分離する反復的精錬フレームワークを提案する。
これは現実のセットアップに適した実用的で大規模なTAPFに向けた確かなステップである。
論文 参考訳（メタデータ） (2026-05-08T13:50:51Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - CompileAgent: Automated Real-World Repo-Level Compilation with Tool-Integrated LLM-based Agent System [52.048087777953064]
リポジトリレベルのコンパイル専用のエージェントフレームワークであるCompileAgentを提案する。
CompileAgentは5つのツールとフローベースのエージェント戦略を統合し、コンパイル命令検索とエラー解決のためのソフトウェアアーチファクトとのインタラクションを可能にする。
提案手法は,10%から71%の範囲で,コンパイル成功率を大幅に向上することを示す。
論文 参考訳（メタデータ） (2025-05-07T08:59:14Z) - DS-Agent: Automated Data Science by Empowering Large Language Models with Case-Based Reasoning [56.887047551101574]
大規模言語モデル(LLM)エージェントとケースベース推論(CBR)を利用した新しいフレームワークであるDS-Agentを提案する。
開発段階では、DS-AgentはCBRフレームワークに従い、自動イテレーションパイプラインを構築する。
デプロイメントの段階では、DS-Agentは、シンプルなCBRパラダイムで低リソースのデプロイメントステージを実装し、LCMの基本能力に対する需要を大幅に削減する。
論文 参考訳（メタデータ） (2024-02-27T12:26:07Z) - Exposing Limitations of Language Model Agents in Sequential-Task Compositions on the Web [69.6913064185993]
言語モデルエージェント(LMA)は、ミューティステップ決定タスクにおける有望なパラダイムとして登場した。
約束にもかかわらず、現実世界のアプリケーションでの彼らのパフォーマンスはまだ過小評価されている。
既存のLMAはベースタスクで平均94.0%の成功率を達成したが、その性能は構成タスクで平均24.9%に低下した。
論文 参考訳（メタデータ） (2023-11-30T17:50:47Z) - Improving LaCAM for Scalable Eventually Optimal Multi-Agent Pathfinding [5.025654873456756]
マルチエージェントパスフィンディング(MAPF)のための最近開発されたLaCAMアルゴリズムを拡張した。
LaCAMは、遅延後継生成を用いて計画作業を劇的に削減する、サブ最適検索ベースのアルゴリズムである。
我々は、LaCAM*と呼ばれる任意のバージョンを提案し、最終的にはオプティマに収束する。
論文 参考訳（メタデータ） (2023-05-05T15:43:20Z) - F-CAM: Full Resolution CAM via Guided Parametric Upscaling [20.609010268320013]
クラスアクティベーションマッピング(CAM)メソッドは、最近、弱い教師付きオブジェクトローカライゼーション(WSOL)タスクに多くの注目を集めている。
CAMメソッドは通常、ResNet50のような既製のCNNバックボーンに統合される。
完全分解能CAMを高精度に構築できるCAMのパラメトリックアップスケーリング法を提案する。
論文 参考訳（メタデータ） (2021-09-15T04:45:20Z)
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。