論文の概要: Entropy-Gated Belief Coordination for Decentralized Multi-Agent Search Under Intermittent Communication

• arxiv url: http://arxiv.org/abs/2610.07432v1
• Date: Mon, 05 Oct 2026 21:39:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.682446
• Title: Entropy-Gated Belief Coordination for Decentralized Multi-Agent Search Under Intermittent Communication
• Title（参考訳）: 間欠的通信における分散多エージェント探索のためのエントロピーゲート型信念コーディネーション
• Abstract要約: 均質なエージェントがポアソン分散時間に断続的に通信する分散マルチエージェントターゲット探索について検討する。 エージェントは融合をスキップし、その集団エントロピー比は閾値を超えている。
• 参考スコア（独自算出の注目度）: 2.6478136610650926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study decentralized multi-agent target search where homogeneous agents communicate intermittently at Poisson-distributed times. Standard unconditional belief fusion wastes communication opportunities by synchronizing agents during high-entropy exploration, when diverse independent beliefs provide better coverage than a premature consensus. We introduce \emph{entropy-gated belief coordination}, in which agents skip fusion while their collective entropy ratio exceeds a threshold~\(θ\) and merge only during exploitation, consistent with the bifurcation structure of nonlinear opinion dynamics and the submodular structure of the per-step information gain objective. We further derive \(\Istep(α,β)\), the expected mutual information per observation step between two agents' binary sensors, as an interpretable, communication-free measure of sensor informativeness that motivates the gating design and guides system-level analysis. Experiments across 103{,}680 trials (nine grid sizes up to \(100{\times}100\), Poisson communication timing, four target movement patterns) show that the Entropy-Gated Trust-Decay Planner (\textsc{EG-TDP}), which adds a detection-probability planner switch in exploitation mode, achieves mean belief quality \(\bar{Q}=0.300\) (mean belief mass at the true target cell, averaged across all trials and steps), a \(58.9\%\) gain over arithmetic mean and a \(37.4\%\) gain over visit-weighted fusion. On representative configurations, EG-TDP also outperforms a joint-Bayesian reference that uses all agents'~observations at every step, despite operating under random intermittent contact only.
• Abstract（参考訳）: 均質なエージェントがポアソン分散時間に断続的に通信する分散マルチエージェントターゲット探索について検討する。 標準的な無条件の信念融合は、様々な独立した信念が早期のコンセンサスよりも優れたカバレッジを提供するとき、高エントロピー探索中にエージェントを同期させることによってコミュニケーション機会を無駄にする。 エージェントは融合をスキップし、その集合エントロピー比は閾値~\(θ\)を超え、利用中のみ融合し、非線形意見力学の分岐構造とステップごとの情報のサブモジュラー構造と整合する「emph{entropy-gated belief coordinate」を導入する。 さらに、2つのエージェントのバイナリセンサー間の観測ステップ毎の相互情報である \(\Istep(α,β)\ を、ゲーティング設計を動機付け、システムレベルの分析を導くための、解釈可能な、コミュニケーション不要なセンサ情報度尺度として導出する。 103{,}680の試験(9つのグリッドサイズを \(100{\times}100\, Poisson通信タイミング, 4つのターゲット運動パターン)で行った実験では、エントロピー・ゲイト・トラスト・デカイ・プランナー(\textsc{EG-TDP})が悪用モードで検出確率プランナースイッチを追加し、平均的信念の質 \(\bar{Q}=0.300\)を達成する。 代表的構成では、EG-TDPは、ランダムな断続的接触のみの下で操作されているにもかかわらず、すべてのエージェント'〜オブザーブレーションを各ステップで使用するジョイント・ベイズ参照よりも優れている。

関連論文リスト

• ExComm: Exploration-Stage Communication for Error-Resilient Agentic Test-Time Scaling [57.42714978834704]
  ExCommは、探索段階のエージェントテストタイムスケーリングのための通信プロトコルである。 ExCommは、強いテスト時間スケーリングベースラインを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-21T07:38:44Z)
• Robust Multi-Agent Target Tracking in Intermittent Communication Environments via Analytical Belief Merging [2.3559161556025887]
  本稿では,分散的信念統合問題をForwardとReverse Kullback-Leibler (KL)の分散最適化として定式化する。 これらの導出を配置することにより、最適化アーティファクトを数学的に排除し、完璧な数学的忠実性を達成する。 本研究では,空間的に認識された訪問重み付きKLマージ戦略を提案し,その物理的訪問履歴に基づいてエージェントの信念を動的に評価する。
  論文  参考訳（メタデータ） (2026-04-08T20:27:48Z)
• Bi-Predictability: A Real-Time Signal for Monitoring LLM Interaction Integrity [0.0]
  両予測可能性(P)を用いて,マルチターンインタラクションの整合性を継続的に監視できることが示される。 Information Digital Twin (IDT) は、コンテキスト、応答、次のプロンプトループを二次推論や埋め込みなしでPを推定する軽量アーキテクチャである。
  論文  参考訳（メタデータ） (2026-03-18T18:10:37Z)
• Mean-Field Path-Integral Diffusion: From Samples to Interacting Agents [0.0]
  Mean-Field Path-Integral Diffusion (MF-PID) は、個体群密度の変動に自在に依存する相互作用する物質にサンプルを昇格させる枠組みである。 MF-PIDは、所定の端末分布を正確に一致させながら、独立エージェントベースラインに対する累積制御エネルギーを19～24%削減する。
  論文  参考訳（メタデータ） (2026-02-23T21:14:06Z)
• ConSensus: Multi-Agent Collaboration for Multimodal Sensing [23.56691532782939]
  大規模言語モデル(LLM)は、人間の生理学と物理世界に対する知覚と推論のために、センサーデータに基礎を置いている。 単一のモノリシックなLLMは、しばしばモダリティ間でコヒーレントに推論できないことを示し、不完全な解釈と事前知識バイアスをもたらす。 ConSensusは、マルチモーダルセンシングタスクを特殊なモダリティ対応エージェントに分解する、トレーニング不要なマルチエージェント協調フレームワークである。
  論文  参考訳（メタデータ） (2026-01-10T06:41:01Z)
• 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)
• Achieving Tighter Finite-Time Rates for Heterogeneous Federated Stochastic Approximation under Markovian Sampling [6.549288471493216]
  我々は,M$エージェントを含む汎用的な近似問題について検討した。 目標は、エージェントがサーバを介して断続的に通信し、エージェントのローカルオペレータの平均のルートを見つけることである。 我々はtexttFedHSA という名の新しいアルゴリズムを開発し、正しい点への収束を保証することを証明した。
  論文  参考訳（メタデータ） (2025-04-15T22:13:55Z)
• Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
  フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。 現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。 情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
  論文  参考訳（メタデータ） (2025-03-21T18:06:28Z)
• IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
  IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。 我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
  論文  参考訳（メタデータ） (2023-03-01T15:16:56Z)

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。