論文の概要: Reinforcement Learning for Large-Scale Lifelong Multi-Agent Path Finding with Shared Spatial Fields

• arxiv url: http://arxiv.org/abs/2610.18186v1
• Date: Tue, 13 Oct 2026 11:25:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 07:00:09.308099
• Title: Reinforcement Learning for Large-Scale Lifelong Multi-Agent Path Finding with Shared Spatial Fields
• Title（参考訳）: 共有空間場を用いた大規模生涯マルチエージェントパスの強化学習
• Abstract要約: 本稿では,畳み込みネットワークが時間ステップ毎に地図上の共有空間場を演算するナビゲーションポリシーを提案する。 クラス毎に1つのポリシーを小さなマップの混合でトレーニングし、より大きな、目に見えないレイアウトやエージェントの集団をトレーニングすることなく、それぞれをデプロイします。 提案手法は1ステップあたり平均実行時間が10ミリ秒以下であり,複数の既定プランナーよりも桁違いに高速である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large-scale applications of lifelong multi-agent path finding (LMAPF) call for computationally inexpensive movement decisions under changing traffic conditions and across varied layouts. We propose a navigation policy in which a convolutional network computes a shared spatial field over the map once per timestep and a compact goal-conditioned operator derives agents' movement preferences. The complete policy is trained end-to-end using average-reward reinforcement learning with throughput as the reward, without planner demonstrations or a separate online path planner. For structured and unstructured layouts, we train one policy per class on mixtures of small maps and deploy each without retraining on larger, unseen layouts and agent populations. Across six layouts with 10000 agents, our policies achieve throughput comparable to or higher than the strongest evaluated baselines. The proposed method has an average execution time below 10 ms per step, more than an order of magnitude faster than several established planners.
• Abstract（参考訳）: 生涯にわたるマルチエージェントパス探索(LMAPF)の大規模応用は、交通条件の変化と様々なレイアウトにおける計算コストの安い移動決定を要求する。 本稿では、畳み込みネットワークが時間ステップ毎に地図上の共有空間場を計算し、コンパクトな目標条件演算子がエージェントの移動嗜好を導出するナビゲーションポリシーを提案する。 完全なポリシーは、プランナーのデモンストレーションや別のオンラインパスプランナーなしで、スループットを報酬とする平均逆強化学習を使用してエンドツーエンドにトレーニングされる。 構造化されたレイアウトと非構造化のレイアウトでは、クラス毎に小さなマップを混合して1つのポリシーをトレーニングし、より大きな、目に見えないレイアウトやエージェントの集団をトレーニングすることなく、それぞれをデプロイする。 10000のエージェントを持つ6つのレイアウトで、我々のポリシーは最も評価の高いベースラインに匹敵するスループットを達成する。 提案手法は1ステップあたり平均実行時間が10ミリ秒以下であり,複数の既定プランナーよりも桁違いに高速である。

関連論文リスト

• GRAND: Guidance, Rebalancing, and Assignment for Networked Dispatch in Multi-Agent Path Finding [6.416429054645992]
  本稿では,生涯多エージェントピックアップ・アンド・デリバリ(MAPD)のタスクスケジューリングについて述べる。 学習に基づくグローバルガイダンスと軽量な最適化を組み合わせたハイブリッド手法を提案する。 最大500エージェントの集約された倉庫ベンチマークでは、2024年の勝利スケジューラよりもスループットを最大10%向上させる。
  論文  参考訳（メタデータ） (2025-12-02T19:44:57Z)
• Bridging Planning and Execution: Multi-Agent Path Finding Under Real-World Deadlines [9.228609005424348]
  時間に敏感なアプリケーションのための実行インフォームドMAPF計画フレームワークであるREMAPを提案する。 我々のフレームワークは提案したExecTimeNetを統合し、計画されたパスに基づいて実行時間を正確に推定する。 実験の結果、REMAPはベースライン法よりもソリューション品質を最大20%改善することがわかった。
  論文  参考訳（メタデータ） (2025-11-26T20:08:52Z)
• Map-World: Masked Action planning and Path-Integral World Model for Autonomous Driving [35.521279875146526]
  Masked Action Planning (MAP)モジュールは、将来のエゴ運動をマスクされたシーケンス完了として扱う。 軽量世界モデルは、各候補軌道に条件付き将来のBEVセマンティクスをロールアウトする。 NAVSIMでは,提案手法はアンカーベースアプローチと一致し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-11-25T10:30:26Z)
• Learn to Follow: Decentralized Lifelong Multi-agent Pathfinding via Planning and Learning [46.354187895184154]
  マルチエージェントパスフィンディング(MAPF)問題は通常、グラフに制限されたエージェントの集合に対する競合のないパスの集合を見つけるよう要求する。 本研究では,エージェントの位置や目標に関する情報をすべて収集する中央制御器が存在しない場合の分散MAPF設定について検討する。 我々は,先行するエージェントに新たな目標を連続的に割り当てることを含むMAPFの実用上重要な寿命変化に焦点をあてる。
  論文  参考訳（メタデータ） (2023-10-02T13:51:32Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• Deep Interactive Motion Prediction and Planning: Playing Games with Motion Prediction Models [162.21629604674388]
  本研究は,新しい対話型マルチエージェントニューラルネットワークポリシを予測モデルの一部として使用するゲーム理論モデル予測制御器(MPC)を提案する。 本手法の成功の基礎は,周辺エージェントの状態と地図情報に基づいて車両を操縦できる,新しいマルチエージェントポリシーネットワークの設計である。
  論文  参考訳（メタデータ） (2022-04-05T17:58:18Z)
• Long Short-Term Memory for Spatial Encoding in Multi-Agent Path Planning [0.34410212782758043]
  強化学習は、望ましい経路計画行動に対応する政策ネットワークの訓練に使用される。 長期記憶モジュール(Long Short-Term Memory Module)は、不特定数の状態と、不定数のエージェントをエンコードするために提案される。 提案手法は,実環境における衝突のない自律走行を行う最大4機のドローンの飛行試験結果を示すことによって検証される。
  論文  参考訳（メタデータ） (2022-03-21T09:16:56Z)
• Differentiable Spatial Planning using Transformers [87.90709874369192]
  本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。 エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。 SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
  論文  参考訳（メタデータ） (2021-12-02T06:48:16Z)
• Learning Space Partitions for Path Planning [54.475949279050596]
  PlaLaMは2次元ナビゲーションタスクにおける既存の経路計画手法よりも優れており、特に難解な局所最適化の存在下では優れている。 これらは高マルチモーダルな実世界のタスクに移行し、コンパイラフェーズでは最大245%、分子設計では最大0.4の強いベースラインを0-1スケールで上回ります。
  論文  参考訳（メタデータ） (2021-06-19T18:06:11Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。