論文の概要: MA-WAM: Multi-Agent World-Action Model for Test-Time Planning

• arxiv url: http://arxiv.org/abs/2609.31281v1
• Date: Fri, 25 Sep 2026 13:52:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.41414
• Title: MA-WAM: Multi-Agent World-Action Model for Test-Time Planning
• Title（参考訳）: MA-WAM:テスト時間計画のためのマルチエージェントワールドアクションモデル
• Abstract要約: 多エージェント協調タスクは、同時に共同動作を実行するために異なるエージェントを必要とする。 ワールドモデルは、すべてのエージェントのジョイントアクションによるチームの復帰を予測するために必要です。 マルチエージェントフローポリシーのためのテストタイムワールドモデルプランナであるMulti-Agent World-Action Model (MA-WAM)を提案する。
• 参考スコア（独自算出の注目度）: 4.235592896468053
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent cooperative tasks require different agents to execute a joint action simultaneously, and each agent's action affects both the observations and responses of the other agents. Hence, a world model is needed to predict the team return resulting from the joint actions of all agents. A naive extension directly applies a single-agent world model to each agent's action when predicting the team return step by step. However, such an extension fails to capture the dependencies among the simultaneous actions of multiple agents. We propose Multi-Agent World-Action Model (MA-WAM), a test-time planning framework that enables a frozen multi-agent flow policy to evaluate futures of candidate joint actions. To our knowledge, MA-WAM is the first test-time world-model planner for multi-agent flow policies. MA-WAM predicts the consequences of each joint action according to cross-agent dependencies and enables efficient candidate scoring. Across 30 offline multi-agent reinforcement learning (MARL) settings on MAMuJoCo, SMAC, and MPE, MA-WAM achieves mean relative gains of 22.0% over direct execution and 25.6% over uniform action selection. Under the standard evaluation protocol on an A100 GPU, MA-WAM adds 12.1 ms, accounting for 2.5% of the measured generation-and-scoring time.
• Abstract（参考訳）: 多エージェント協調作業は、異なるエージェントが同時に共同行動を実行することを必要とし、各エージェントの動作は、他のエージェントの観察と反応の両方に影響を与える。 したがって、すべてのエージェントの合同行動から生じるチームの復帰を予測するために、世界モデルが必要である。 ナイーブな拡張は、各エージェントのアクションに直接単一エージェントの世界モデルを適用します。 しかし、そのような拡張は複数のエージェントの同時アクション間の依存関係をキャプチャできない。 我々は,凍結したマルチエージェントフローポリシーを適用可能なテスト時間計画フレームワークであるMulti-Agent World-Action Model (MA-WAM)を提案する。 我々の知る限り、MA-WAMはマルチエージェントフローポリシーのための最初のテストタイムワールドモデルプランナーである。 MA-WAMは、相互依存に基づいて、各関節動作の結果を予測し、効率的な候補スコアリングを可能にする。 MAMuJoCo、SMAC、MPEの30のオフラインマルチエージェント強化学習(MARL)設定において、MA-WAMは直接実行で22.0%、一様動作選択で25.6%の平均相対的なゲインを達成する。 A100 GPUの標準評価プロトコルでは、MA-WAMは12.1msを追加し、測定された生成とスコーリング時間の2.5%を占める。

関連論文リスト

• MATES: Learning Multi-Agent Interactions by Transforming Observations for Frozen Single-Agent Policies [2.2801444394060257]
  MATES(Multi-Agent Observation Transformation for existing Single-Agent Policies)について紹介する。 MATESは、個別に識別可能な隣接情報を公開しながら、単独タスク情報を保存しているタスクのための入力側適応フレームワークである。 我々は、生涯にわたるパスフィニング、ナビゲーション、協調的な発見において、オン・アンド・オフ・ポリシーのアルゴリズムを用いてMATESを評価する。
  論文  参考訳（メタデータ） (2026-09-22T11:10:34Z)
• OneDayAgent: Towards a Long-Horizon Harness for Autonomous Agents [52.15259607762389]
  自律型エージェントのための長距離ハーネスであるOneDayAgentを紹介する。 OneDayAgentはオープンなリクエストをマネージドな実行プロセスに変換する。 我々は104のタスクでAgentIF-OneDay上でOneDayAgentを評価する。
  論文  参考訳（メタデータ） (2026-08-04T17:55:41Z)
• Scaling Multiagent Systems with Process Rewards [0.46729918593868963]
  AIフィードバック(MAPPA)によるプロセスごとの報酬を考慮したマルチエージェントシステムを提案する。 我々は,競合数学問題とツール拡張データ解析タスクに対するアプローチを実証する。 データ解析タスクでは,品質指標が最大47%向上する一方,成功率を+16.7pp向上させる。
  論文  参考訳（メタデータ） (2026-01-30T17:55:27Z)
• MALT: Improving Reasoning with Multi-Agent LLM Training [67.76186488361685]
  MALT(Multi-Agent LLM Training)は、推論プロセスを生成、検証、改善ステップに分割する、新しいポストトレーニング戦略である。 MATH、GSM8K、CSQAでは、MALTは、それぞれ15.66%、7.42%、9.40%の相対的な改善で同じベースラインLLMを上回っている。
  論文  参考訳（メタデータ） (2024-12-02T19:30:36Z)
• Reaching Consensus in Cooperative Multi-Agent Reinforcement Learning with Goal Imagination [16.74629849552254]
  本稿では,複数のエージェントを協調するモデルに基づくコンセンサス機構を提案する。 提案したMulti-Adnt Goal Imagination (MAGI) フレームワークは、エージェントがImagined Common goalとコンセンサスに達するためのガイドである。 このような効率的なコンセンサス機構は、すべてのエージェントを協調して有用な将来状態に導くことができることを示す。
  論文  参考訳（メタデータ） (2024-03-05T18:07:34Z)
• Deep Multi-Agent Reinforcement Learning for Decentralized Active Hypothesis Testing [11.639503711252663]
  我々は,深層多エージェント強化学習の枠組みに根ざした新しいアルゴリズムを導入することで,マルチエージェント能動仮説テスト(AHT)問題に取り組む。 エージェントが協調戦略を学習し、性能を向上させる能力を効果的に示す実験結果を包括的に提示する。
  論文  参考訳（メタデータ） (2023-09-14T01:18:04Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• RPM: Generalizable Behaviors for Multi-Agent Reinforcement Learning [90.43925357575543]
  本稿では,MARLポリシーを総合性良く訓練するための多様なマルチエージェントトラジェクトリを収集するために,ランク付けされたポリシーメモリ(RPM)を提案する。 RPMにより、マルチエージェントの一般化評価シナリオと完全なタスクにおいて、MARLエージェントが未確認エージェントと対話することが可能になり、平均402%のパフォーマンスが大幅に向上する。
  論文  参考訳（メタデータ） (2022-10-18T07:32:43Z)
• Multi-agent Deep Covering Skill Discovery [50.812414209206054]
  本稿では,複数エージェントの結合状態空間の予測被覆時間を最小化し,マルチエージェントオプションを構築するマルチエージェントDeep Covering Option Discoveryを提案する。 また、MARLプロセスにマルチエージェントオプションを採用するための新しいフレームワークを提案する。 提案アルゴリズムは,アテンション機構とエージェントの相互作用を効果的に把握し,マルチエージェントオプションの同定に成功した。
  論文  参考訳（メタデータ） (2022-10-07T00:40:59Z)

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。