論文の概要: Learning Communication-Conditioned Generative Policies for Decentralized Multi-Agent Collision Avoidance
- arxiv url: http://arxiv.org/abs/2609.14268v1
- Date: Sun, 13 Sep 2026 04:04:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.776824
- Title: Learning Communication-Conditioned Generative Policies for Decentralized Multi-Agent Collision Avoidance
- Title（参考訳）: 分散型マルチエージェント衝突回避のためのコミュニケーション記述型生成ポリシーの学習
- Abstract要約: マルチエージェント衝突回避のための分散通信条件生成フレームワークを提案する。
エージェントは、特権的なオフラインデモからトレーニングされたフローマッチングポリシーを使用して、短水平アクションシーケンスを生成する。
提案手法により,短水平動作列の単一ステップの効率的な推論が可能となり,通信ドロップアウト時に優良に劣化する。
- 参考スコア（独自算出の注目度）: 2.7429630700600893
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we propose a decentralized communication-conditioned generative framework for multi-agent collision avoidance. Agents generate short-horizon action sequences using a flow-matching policy trained from privileged offline demonstrations with access to global state. The demonstrations do not include explicit communication signals; instead, agents learn to exchange and aggregate latent messages that encode interaction-relevant intent under partial observability. This formulation supports flexible inference at test time, where unconditioned generation corresponds to independent behavior and communication-conditioned generation enables coordinated interaction without centralized planning. The resulting policies operate in a fully decentralized manner at execution time, relying only on local observations and learned messages. Combined with a receding-horizon inference scheme, the proposed approach enables efficient single-step inference of short-horizon action sequences and degrades gracefully under communication dropouts. Extensive simulation results demonstrate near-expert collision avoidance performance and strong generalization to denser, unseen multi-agent scenarios, along with zero-shot transfer to real-robot experiments.
- Abstract（参考訳）: 本研究では,マルチエージェント衝突回避のための分散通信条件生成フレームワークを提案する。
エージェントは、グローバルステートへのアクセスを伴う特権的なオフラインデモからトレーニングされたフローマッチングポリシを使用して、短水平アクションシーケンスを生成する。
デモンストレーションには明示的な通信信号が含まれておらず、エージェントは部分的な可観測性の下で相互作用関連意図を符号化する潜伏メッセージの交換と集約を学習する。
この定式化はテスト時に柔軟な推論をサポートし、無条件生成は独立な振る舞いに対応し、通信条件付き生成は集中計画なしで協調的な相互作用を可能にする。
結果として得られたポリシーは、実行時に完全に分散された方法で動作し、ローカルな観察と学習メッセージにのみ依存する。
遅延水平推論手法と組み合わせて, 短水平動作系列の単一ステップの効率的な推論を可能にし, 通信ドロップアウト下での分解を良好に行う。
大規模シミュレーションの結果は, 実ロボット実験へのゼロショット転送とともに, 衝突回避性能と, より密集した, 見えないマルチエージェントシナリオへの強い一般化を示す。
関連論文リスト
- Anytime Plug-and-Play Control with Contract-Based Distributed MPC [3.477704547618128]
本研究では,局部通信に基づく分散マルチエージェント制御アルゴリズムを導入する。
提案手法を自律型マルチエージェント運転シナリオで検証し,エージェントが反対方向に移動する高速・動的環境における衝突回避効果を示す。
論文 参考訳（メタデータ） (2026-07-05T10:06:49Z) - HyLaT: Efficient Multi-Agent Communication via Hybrid Latent-Text Protocol [54.411053382333996]
HyLaTは、遅延チャネルを介して詳細な認知信号を伝達し、効率を上げるためのハイブリッド潜在テキスト通信プロトコルである。
エージェントがハイブリッドメッセージを生成・解釈できるように、シングルエージェントハイブリッド生成学習とマルチエージェントインタラクティブコトレーニングを組み合わせた2段階のトレーニングフレームワークを提案する。
実験により、HyLaTは、多様な設定で強力な一般化と堅牢性を持って、競争力のあるタスク性能を維持しながら、通信オーバーヘッドを著しく低減することが示された。
論文 参考訳（メタデータ） (2026-05-25T04:50:15Z) - Decentralized Contingency MPC based on Safe Sets for Nonlinear Multi-agent Collision Avoidance [1.5856188608650232]
本稿では,非線形力学を持つマルチエージェントシステムのための分散並列MPCフレームワークを開発する。
状態のみの情報パターンの下では、各エージェントは同じ合意的ルールセットに従い、コミュニケーションなしで安全な分散計画を可能にする。
シミュレーションの結果はスパース環境と密集型マルチエージェント環境の両方で性能を示す。
論文 参考訳（メタデータ） (2026-05-11T15:40:36Z) - GoAgent: Group-of-Agents Communication Topology Generation for LLM-based Multi-Agent Systems [55.12339141172908]
GoAgentは、協調グループをMAS構築の原子単位として明示的に扱う通信トポロジ生成手法である。
6つのベンチマークの実験では、GoAgentの最先端のパフォーマンスを93.84%の平均精度で証明し、トークン消費を約17%削減した。
論文 参考訳（メタデータ） (2026-03-20T06:21:32Z) - Event-Triggered Gossip for Distributed Learning [61.70659996356528]
我々は,ノード間通信を減らすために,分散学習のためのイベントトリガー型ゴシップフレームワークを開発した。
従来のフルテキスト・オブ・ザ・アート分散学習法と比較して,bf71.61%を限界性能損失のみで分析する。
論文 参考訳（メタデータ） (2026-02-22T10:13:43Z) - InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。
本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。
また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
論文 参考訳（メタデータ） (2025-12-08T10:46:01Z) - Decentralized Collective World Model for Emergent Communication and Coordination [7.039405984678893]
本稿では,コミュニケーションのためのシンボルの出現と協調行動の両方を可能にする,完全に分散化されたマルチエージェント世界モデルを提案する。
提案手法は,世界モデルと通信チャネルを統合し,エージェントが環境動態を予測し,部分的な観測結果から状態を推定し,重要な情報を共有できるようにする。
論文 参考訳（メタデータ） (2025-04-04T11:17:52Z) - RGMComm: Return Gap Minimization via Discrete Communications in
Multi-Agent Reinforcement Learning [33.86277578441437]
マルコフ決定過程における協調的マルチエージェント強化学習課題の解決には,コミュニケーションが不可欠である。
本稿では、離散メッセージ生成関数の驚くほど単純な設計であるReturn-Gap-Minimization Communication (RGMComm)アルゴリズムを提案する。
評価の結果、RGMCommは最先端のマルチエージェント通信ベースラインを大きく上回っている。
論文 参考訳（メタデータ） (2023-08-07T07:26:55Z) - 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) - Implicit Multiagent Coordination at Unsignalized Intersections via
Multimodal Inference Enabled by Topological Braids [15.024091680310109]
信号のない交差点における合理的な非コミュニケーションエージェント間のナビゲーションに焦点をあてる。
我々はトポロジカルブレイドの形式主義を用いてコンパクトで解釈可能な方法で共同行動のモードを表現する。
我々は,新たなマルチエージェント動作のモードにおける不確実性を低減するための行動を生成する分散計画アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-04-10T19:01:29Z) - Multi-Agent Interactions Modeling with Correlated Policies [53.38338964628494]
本稿では,マルチエージェントインタラクションモデリング問題をマルチエージェント模倣学習フレームワークに実装する。
相関ポリシー(CoDAIL)を用いた分散型適応模倣学習アルゴリズムの開発
様々な実験により、CoDAILはデモレーターに近い複雑な相互作用をより良く再生できることが示されている。
論文 参考訳（メタデータ） (2020-01-04T17:31:53Z)
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。