論文の概要: Cascaded consensus splitting for multi-branch contingency games

• arxiv url: http://arxiv.org/abs/2609.37612v1
• Date: Tue, 29 Sep 2026 13:56:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.589901
• Title: Cascaded consensus splitting for multi-branch contingency games
• Title（参考訳）: マルチブランチ並行ゲームにおけるカスケードコンセンサス分割
• Abstract要約: 並行ゲームは、エージェントが他のエージェントの仮説的意図を予測し、計画することを可能にする。 既存の定式化は1つの分岐時間に依存し、異なるエージェントの意図が異なるタイミングで明らかにされる相互作用を単純化する。 分岐時間が異なる場合に、意図の不確実性の源泉を段階的に解決できるマルチブランチ並行アーキテクチャを導入する。
• 参考スコア（独自算出の注目度）: 6.139566543896088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contingency games enable agents to anticipate and plan for other agents' hypothetical intents by constructing trajectories with a shared prefix and intent-dependent branches. While contingency games capture intent uncertainty, existing formulations rely on a single branching time, oversimplifying interactions in which different agents' intentions are revealed at different times. Moreover, the computational cost of such problems grows rapidly with the number of agents and intents, as all scenario-dependent best responses must be solved jointly. We introduce a multi-branch contingency architecture in which sources of intent uncertainty can be resolved progressively at different branching times, allowing the planned trajectories to adapt to the asynchronous revelation of intents. We also develop an ADMM-based solver that exploits scenario-level parallelism. Experiments on tightly coupled three-agent interactions support that the proposed architecture outperforms the conventional single-branch while achieving a lower mean receding-horizon solve time.
• Abstract（参考訳）: 並行ゲームにより、エージェントは、共有プレフィックスとインテント依存ブランチでトラジェクトリを構築することで、他のエージェントの仮説的意図を予測し、計画することができる。 同時ゲームは意図の不確実性を捉えるが、既存の定式化は単一の分岐時間に依存し、異なるエージェントの意図が異なるタイミングで明らかにされる相互作用を単純化する。 さらに、このような問題の計算コストはエージェントの数や意図の数とともに急速に増大する。 本稿では,複数の分岐時間で意図の不確かさの源泉を段階的に解決し,計画された軌跡が意図の非同期な啓示に適応できるようにするマルチブランチ整合性アーキテクチャを提案する。 また,シナリオレベルの並列性を利用したADMMベースの解法も開発した。 密結合型3エージェント相互作用の実験は、提案アーキテクチャが従来の単分岐よりも優れ、低い平均回帰水平解時間を達成していることを裏付ける。

関連論文リスト

• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• Heterogeneous Consensus-Progressive Reasoning for Efficient Multi-Agent Debate [58.675713546748305]
  マルチエージェント・ディベート(英: Multi-Agent Debate、MAD)は、複数のエージェントが推論および反復的批判サイクルの生成を通じて、反復的にソリューションを洗練する協調的なフレームワークである。 本研究は,HCP-MADのための不均一なコンセンサス・プログレッシブ推論を導入する。 HCP-MADは3段階のプログレッシブ推論機構を用いて、様々なタスク複雑度にまたがる適応的なソリューションを開発する。
  論文  参考訳（メタデータ） (2026-04-03T06:58:59Z)
• Agree to Disagree: Consensus-Free Flocking under Constraints [1.0312968200748116]
  フロッキングは伝統的に一様に望まれるエージェント間距離を仮定する。 これらのパラメータの交渉を可能にするソリューションを導入する。 このアプローチは、近隣のエージェントが競合する目標を追求する半信頼のシナリオに対して堅牢である。
  論文  参考訳（メタデータ） (2026-01-27T02:45:03Z)
• Bayesian Inverse Games with High-Dimensional Multi-Modal Observations [23.911680800112375]
  マルチエージェントの相互作用シナリオは自然に非協調ゲームとしてモデル化され、各エージェントの判断は他のエージェントの将来の行動に依存する。 逆ゲーム問題を解くための近似ベイズ推論手法を提案する。 提案フレームワークは,事前および後続分布の学習に成功し,推論品質を向上し,下流での意思決定をより安全に行えることを示す。
  論文  参考訳（メタデータ） (2026-01-02T14:23:38Z)
• Discovering Coordinated Joint Options via Inter-Agent Relative Dynamics [13.0114299827121]
  マルチエージェント環境では、エージェント数と結合状態空間の指数関数的成長により、協調した振る舞いがさらに貴重になる。 既存のマルチエージェントオプション発見手法は、疎結合あるいは完全独立な振る舞いを生成することでコーディネーションを犠牲にすることが多い。 本研究では,強い協調行動を発見するために必要な情報を保持しつつ,状態空間を圧縮する連立状態抽象化を提案する。
  論文  参考訳（メタデータ） (2025-12-31T12:39:22Z)
• When Disagreements Elicit Robustness: Investigating Self-Repair Capabilities under LLM Multi-Agent Disagreements [56.29265568399648]
  我々は、不一致が早期のコンセンサスを防ぎ、探索されたソリューション空間を拡張することを主張する。 タスククリティカルなステップの相違は、ソリューションパスのトポロジによってコラボレーションを損なう可能性がある。
  論文  参考訳（メタデータ） (2025-02-21T02:24:43Z)
• Bridging the Gap Between Multi-Step and One-Shot Trajectory Prediction via Self-Supervision [2.365702128814616]
  正確な車両軌道予測は、自動運転における未解決の問題である。 本稿では,複数の軌道セグメントを連結した中間層を提案する。 提案するマルチブランチ・セルフスーパービジョン予測器は,中間将来のセグメントから始まる新しい予測について追加の訓練を受ける。
  論文  参考訳（メタデータ） (2023-06-06T02:46:28Z)
• A Closer Look at Branch Classifiers of Multi-exit Architectures [103.27533521196817]
  一定の複雑さのブランチはすべてのブランチを同じに保ちますが、複雑性の増大と複雑性の低下は、それぞれバックボーンの遅かれ早かれ複雑なブランチを配置します。 知識の整合性を利用して,背骨に枝を追加する効果を探索する。 以上の結果から,複雑性が増大する分岐は,背骨の特徴的抽象的階層を最小限に破壊することが明らかとなった。
  論文  参考訳（メタデータ） (2022-04-28T08:37:25Z)
• Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
  マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。 具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。 階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
  論文  参考訳（メタデータ） (2021-07-31T13:36:04Z)
• 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)

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。