論文の概要: Robust Multi-Agent Pursuit with Preemptive Communication via Reachability-Based Control Barrier Functions

• arxiv url: http://arxiv.org/abs/2610.22198v1
• Date: Thu, 15 Oct 2026 16:50:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.200295
• Title: Robust Multi-Agent Pursuit with Preemptive Communication via Reachability-Based Control Barrier Functions
• Title（参考訳）: 到達可能性に基づく制御バリア機能を用いたプリエンプティブ通信のためのロバストなマルチエージェント探索
• Abstract要約: 本稿では,間欠的コミュニケーション下でのエージェント間安全性を保証するための安全な制御を提供する統一的な制御/通信戦略を提案する。 プリエンプティブ通信は, 衝突ゼロの周期的, イベントトリガー的ベースラインに比べて, メッセージを77.5%削減することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safe multi-agent coordination typically assumes what real-world, deployed, resource-constrained robots cannot provide: continuous, perfect state sharing. Robust control strategies must be complemented with robust communication strategies to deliver resilient deployments. In this work, we propose a unified control/communication strategy that provides safe control to guarantee inter-agent safety under intermittent communication and demonstrate its effectiveness in a pursuit-evasion scenario. Each agent computes the reachable set of neighboring agents based on the last state information received, then solves for a safe control input based on control barrier functions to ensure agents avoid collision. We prove that inter-agent collision avoidance is guaranteed provided communication staleness remains bounded. As the reachable set inflates between state transmissions, each agent reasons about when to preemptively transmit its state information to neighboring agents based on novel metrics characterizing uncertainty risk and kinematic risk. We implement and simulate a variety of pursuit-evasion scenarios and show that preemptive communication reduces messages by 77.5% compared to periodic and event-triggered baselines with zero collisions.
• Abstract（参考訳）: 安全なマルチエージェント調整は、通常、実際の、デプロイされ、リソースに制約のあるロボットが提供できないものを前提とします。 ロバストな制御戦略は、レジリエントなデプロイメントを実現するための堅牢な通信戦略を補完する必要があります。 本研究では,間欠的コミュニケーション下でのエージェント間安全を保証するための安全な制御を提供する統一的な制御・通信戦略を提案し,その効果を追従回避シナリオで実証する。 各エージェントは、受信した最後の状態情報に基づいて近接エージェントの到達可能なセットを計算し、制御バリア関数に基づく安全な制御入力を解決し、エージェントが衝突を避ける。 コミュニケーションの安定性が保たれたまま、エージェント間衝突回避が保証されていることを実証する。 状態伝達の間に到達可能なセットが膨らむため、各エージェントは、不確実性リスクと運動リスクを特徴付ける新しい指標に基づいて、いつその状態情報を近隣エージェントにプリエンプティブに送信するかを理由とする。 我々は,様々な追従回避シナリオを実装し,衝突ゼロの周期的・イベントトリガーベースラインと比較して,プリエンプティブ通信がメッセージを77.5%削減することを示す。

関連論文リスト

• Fully Byzantine-Resilient Multi-Agent Reinforcement Learning [7.544222710186157]
  ビザンチン耐性アクタークリティカルマルチエージェント強化学習(AC-MARL)について検討した。 既存の手法では、エージェントのパラメータが攻撃のない制限点の近傍にのみ収束することを保証するため、性能が低下する。 本稿では、各エージェントが2ホップメッセージの冗長性を利用して信頼できるメッセージを特定する分散化手法であるFully Resilient AC-MARLを提案する。
  論文  参考訳（メタデータ） (2026-09-22T05:09:10Z)
• Learning Communication-Conditioned Generative Policies for Decentralized Multi-Agent Collision Avoidance [2.7429630700600893]
  マルチエージェント衝突回避のための分散通信条件生成フレームワークを提案する。 エージェントは、特権的なオフラインデモからトレーニングされたフローマッチングポリシーを使用して、短水平アクションシーケンスを生成する。 提案手法により,短水平動作列の単一ステップの効率的な推論が可能となり,通信ドロップアウト時に優良に劣化する。
  論文  参考訳（メタデータ） (2026-09-13T04:04:01Z)
• Anytime Plug-and-Play Control with Contract-Based Distributed MPC [3.477704547618128]
  本研究では,局部通信に基づく分散マルチエージェント制御アルゴリズムを導入する。 提案手法を自律型マルチエージェント運転シナリオで検証し,エージェントが反対方向に移動する高速・動的環境における衝突回避効果を示す。
  論文  参考訳（メタデータ） (2026-07-05T10:06:49Z)
• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• AdvEvo-MARL: Shaping Internalized Safety through Adversarial Co-Evolution in Multi-Agent Reinforcement Learning [78.5751183537704]
  AdvEvo-MARLは、タスクエージェントに安全性を内部化する、共進化型マルチエージェント強化学習フレームワークである。 外部ガードに頼るのではなく、AdvEvo-MARLは攻撃者と防御者を共同で最適化する。
  論文  参考訳（メタデータ） (2025-10-02T02:06:30Z)
• Certifiably Robust Policy Learning against Adversarial Communication in Multi-agent Systems [51.6210785955659]
  多くのマルチエージェント強化学習(MARL)では,エージェントが情報を共有し,適切な判断を下す上でコミュニケーションが重要である。 しかし、ノイズや潜在的な攻撃者が存在する現実世界のアプリケーションに訓練された通信エージェントを配置すると、通信ベースのポリシーの安全性は過小評価されている深刻な問題となる。 本研究では,攻撃者が任意の$CfracN-12$エージェントから被害者エージェントへの通信を任意に変更できる,$N$エージェントを備えた環境を検討する。
  論文  参考訳（メタデータ） (2022-06-21T07:32:18Z)
• Coordinating Policies Among Multiple Agents via an Intelligent Communication Channel [81.39444892747512]
  MARL(Multi-Agent Reinforcement Learning)では、エージェントが直接通信できる特別なチャンネルがしばしば導入される。 本稿では,エージェントの集団的性能を向上させるために,エージェントが提供した信号の伝達と解釈を学習する,インテリジェントなファシリテータを通じてエージェントがコミュニケーションする手法を提案する。
  論文  参考訳（メタデータ） (2022-05-21T14:11:33Z)
• Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
  本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。 我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
  論文  参考訳（メタデータ） (2021-12-03T19:23:48Z)
• Deep reinforcement learning of event-triggered communication and control for multi-agent cooperative transport [9.891241465396098]
  協調輸送のためのコミュニケーション・制御戦略の設計問題に対処する多エージェント強化学習手法を検討する。 我々のフレームワークはイベントトリガーアーキテクチャ、すなわち通信入力を演算するフィードバックコントローラと、入力を再更新する必要があるタイミングを決定するトリガー機構を利用する。
  論文  参考訳（メタデータ） (2021-03-29T01:16:12Z)
• Adversarial Attacks On Multi-Agent Communication [80.4392160849506]
  現代の自律システムはすぐに大規模に展開され、協調型マルチエージェントシステムの可能性を広げる。 このような利点は、セキュリティ侵害に対して脆弱であることが示されている通信チャネルに大きく依存している。 本稿では,エージェントが学習した中間表現を共有してコミュニケーションする新しいマルチエージェント環境において,このような攻撃を探索する。
  論文  参考訳（メタデータ） (2021-01-17T00:35:26Z)

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。