論文の概要: Decentralized Master-Mind: Joint Action Refinement through Iterative Intent Denoising in Multi-Agent Pathfinding

• arxiv url: http://arxiv.org/abs/2609.32019v1
• Date: Fri, 25 Sep 2026 21:31:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 03:49:07.755998
• Title: Decentralized Master-Mind: Joint Action Refinement through Iterative Intent Denoising in Multi-Agent Pathfinding
• Title（参考訳）: 分散マスターミンド:マルチエージェントパスフィニングにおける反復的インテントデノジングによる関節動作のリファインメント
• Abstract要約: DMMは、ワンショットのアクションサンプリングを、通信ラウンド全体にわたるアクションインテントの離散的で反復的な洗練に置き換える。 エージェントはランダムなアクション意図を持ち、ローカルなコミュニケーションを通じてそれらを洗練し、コミットメントの前に選択を結合する。 MICPOで微調整したDMM1,600のMovingAIタスクでは,評価手法の中で最も高い1,598が解かれる。
• 参考スコア（独自算出の注目度）: 48.57287847854898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decentralized multi-agent path finding (MAPF) with communication requires agents to reach individual goals without collisions under partial observability. Learnable policies trained on expert data provide an effective approach to this problem. However, when several coordinated joint actions are valid in the same context, independently sampling from per-agent distributions can recombine locally valid choices into incompatible joint actions. This failure can arise from the final sampling mechanism even when the per-agent action distributions are learned correctly. DMM (Decentralized Master-Mind) addresses this by replacing one-shot action sampling with discrete, iterative refinement of action intents across communication rounds, inspired by denoising in diffusion models. Agents initialize random action intents and refine them through local communication, coupling their choices before commitment. DMM is pretrained with imitation learning on expert MAPF solutions and further optimized with MICPO, a critic-free group-relative reinforcement-learning method designed for multi-agent, multi-round action refinement. DMM generally achieves higher success rates and lower solution costs than the evaluated learnable baselines. On 1,600 MovingAI tasks, DMM fine-tuned with MICPO solves 1,598, the highest coverage among the evaluated methods, while achieving solution costs close to those of the strongest baselines. DMM also scales to over one million simultaneously acting agents in obstacle-rich environments. These results show that round-level intent refinement can improve joint-action coordination while preserving decentralized execution.
• Abstract（参考訳）: 通信による分散マルチエージェントパス探索(MAPF)では、エージェントは部分的な可観測性の下で衝突することなく個々の目標を達成する必要がある。 専門家データに基づいてトレーニングされた学習可能なポリシーは、この問題に対して効果的なアプローチを提供する。 しかし、複数の協調した関節アクションが同じ文脈で有効である場合、エージェントごとの分布から独立にサンプリングすることで、局所的に有効な選択を非互換な関節アクションに再結合することができる。 この失敗は、エージェントごとのアクション分布が正しく学習された場合でも、最終的なサンプリング機構から生じる可能性がある。 DMM(Decentralized Master-Mind)は、一発のアクションサンプリングを、拡散モデルのデノナイズにインスパイアされた、コミュニケーションラウンド全体にわたるアクションインテントの離散的で反復的な洗練に置き換えることで、この問題に対処する。 エージェントはランダムなアクション意図を初期化し、ローカル通信を通じてそれらを洗練し、コミットメントの前に選択を結合する。 DMMは、専門家MAPFソリューションの模倣学習で事前訓練され、マルチエージェント・マルチラウンドアクション改善のために設計された批判のないグループ関連強化学習手法であるMICPOでさらに最適化されている。 DMMは一般に、評価可能なベースラインよりも高い成功率と低いソリューションコストを達成する。 MICPOで微調整した1,600のMovingAIタスクでは,評価手法の中で最も高い1,598が解決され,最強のベースラインのそれに近いソリューションコストが達成された。 DMMはまた、障害物の多い環境で100万以上のエージェントを同時に作用させる。 これらの結果から,分散実行を保ちながら,ラウンドレベルの意図改善が協調行動調整を改善する可能性が示唆された。

関連論文リスト

• ICMAPE: In-Context Multiagent Pure Exploration [33.655069435922314]
  我々は、分散された純粋な探索のための学習ベースのフレームワークであるICMAPEを開発した。 ICMAPEは、固定信頼識別目標を推論信頼度から導出される報酬に変換する。 ICMAPE-TD3は、実世界のデータに基づく2つの総合ベンチマークとメリーランドの硝酸塩濃度モニタリングタスクにおいて、より少ない探索ステップで目標精度を達成する。
  論文  参考訳（メタデータ） (2026-09-27T22:38:40Z)
• Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding [48.1609560841622]
  本稿では,効率的な特徴共有を通じてエージェント間の協調を強化するための学習可能な通信モジュールを提案する。 提案手法は既存の学習ベースMAPFソルバよりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-08T12:05:08Z)
• Agent Q-Mix: Selecting the Right Action for LLM Multi-Agent Systems through Reinforcement Learning [68.85408801740228]
  協調型マルチエージェント強化学習問題としてトポロジ選択を再構成する強化学習フレームワークである textbfAgent Q-Mix を提案する。 提案手法は,Qmix値分解を用いて分散化された通信決定を学習し,各エージェントがラウンドワイド通信グラフを共同生成する一連の通信行動から選択する。 エージェントQ-Mixは,エージェント故障に対して優れたトークン効率とロバスト性を示しながら,既存手法と比較して高い平均精度を達成する。
  論文  参考訳（メタデータ） (2026-04-01T00:38:24Z)
• MO-MIX: Multi-Objective Multi-Agent Cooperative Decision-Making With Deep Reinforcement Learning [68.91090643731987]
  深部強化学習(RL)は複雑な意思決定問題を解決するために広く応用されている。 既存のアプローチは、別々のフィールドに限られており、単一の目的でマルチエージェントの意思決定しか処理できない。 マルチオブジェクト型マルチエージェント強化学習(MOMARL)問題の解法としてMO-mixを提案する。
  論文  参考訳（メタデータ） (2026-02-28T16:25:22Z)
• Ensemble-MIX: Enhancing Sample Efficiency in Multi-Agent RL Using Ensemble Methods [0.0]
  マルチエージェント強化学習(MARL)法は,様々なマルチエージェントタスクにおいて最先端の結果を得た。 しかし、MARLアルゴリズムは、単一のエージェントよりもはるかに多くの環境相互作用を必要とする。 本稿では,分散された中央集権的批判と分散アンサンブル学習を組み合わせた新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-03T13:13:15Z)
• Limited Communications Distributed Optimization via Deep Unfolded Distributed ADMM [27.09017677987757]
  本稿では,D-ADMMが各エージェントによって交換される少数のメッセージで確実に動作できるようにするための展開D-ADMMを提案する。 分散推定タスクと分散学習シナリオの2つの代表的な設定に対して,展開D-ADMMを特化している。 提案手法は,D-ADMMの通信性能を損なうことなく,D-ADMMの通信回数を大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-09-21T08:05:28Z)
• 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)

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。