論文の概要: Learning Rational Strategies for Temporal Objectives in Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2610.22287v2
• Date: Sun, 18 Oct 2026 10:16:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 06:32:45.320616
• Title: Learning Rational Strategies for Temporal Objectives in Multi-Agent Systems
• Title（参考訳）: 多エージェントシステムにおける時間的目的のための合理的戦略の学習
• Abstract要約: 未知のダイナミクスを持つマルチエージェントシステムの合理的合成について検討する。 共同戦略プロファイルに制約として解の概念を課す。 提案手法は,8つの汎用並列ゲームを用いて実証的に検証する。
• 参考スコア（独自算出の注目度）: 11.125968799758434
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study rational synthesis for stochastic multi-agent systems with unknown dynamics, where each agent is equipped with its own probabilistic temporal objective specified using Probabilistic Linear Temporal Logic on Finite Traces ($\mathsf{PLTL}_f}$). We impose solution concepts (e.g., Nash equilibrium, subgame-perfect equilibrium) as constraints on the joint strategy profile, using payoffs derived from each agent's probability of satisfying its temporal objective. In particular, we formulate per-agent rational synthesis as finding a strategy profile -- if one exists -- such that (i) the designated agent's probabilistic temporal constraint is satisfied, and (ii) the profile represents a stable solution under a chosen solution concept. We give conditional convergence guarantees for tabular Nash-Q learning, certify satisfaction with simultaneous finite-sample confidence bounds, and assess strategic stability with approximate best-response checking. Our approach operates in a stochastic \emph{Multi-Agent Reinforcement Learning} (MARL) environment, where model-free learning algorithms attempt to attain extremal satisfaction probabilities for temporal objectives automatically compiled into reward automata. Our approach is empirically validated using 8 general-sum concurrent stochastic games.
• Abstract（参考訳）: 確率的線形時間論理を有限トレース上の確率的線形時間論理(\mathsf{PLTL}_f}$)を用いて,各エージェントに独自の確率的時間的目的を付与する確率的マルチエージェントシステムの合理的合成について検討した。 我々は,各エージェントの時間的目標を満たす確率から導出されるペイオフを用いて,解の概念(ナッシュ均衡,サブゲーム完全均衡など)を共同戦略プロファイルの制約として課す。 特に、エージェントごとの有理合成を戦略プロファイル(もし存在するなら)を見つけるものとして定式化する。 一 指定代理人の確率的時間的制約を満たすこと。 (ii) プロファイルは、選択された解の概念の下で安定な解を表す。 我々は,表型Nash-Q学習のための条件収束保証,有限サンプル信頼境界による満足度証明,および近似的ベストレスポンスチェックによる戦略的安定性の評価を行う。 提案手法は,モデルフリー学習アルゴリズムが時間的目標に対する極端満足度を自動生成して報奨自動生成する確率的学習環境において,確率論的な「Multi-Agent Reinforcement Learning} (MARL)」で動作する。 本手法は,8つの汎用確率ゲームを用いて実験的に検証した。

関連論文リスト

• Stochastic Multi-Objective Kinodynamic Planning Against Adversaries [4.800861909357391]
  本稿では,エゴ状態に基づく多目的キノダイナミック計画法について述べる。 確率的完全性を証明するための多目的RT(SMO-RRT)を導入し,次に多目的安定RT(SMO-SST)を紹介する。 どちらのアルゴリズムに対しても、ガウス的でない状態依存不確実性を持つ系に対して、確率制約違反の確率に基づいて有限サンプルを導出する。
  論文  参考訳（メタデータ） (2026-07-21T16:56:34Z)
• Deterministic Pareto-Optimal Policy Synthesis for Multi-Objective Reinforcement Learning [3.960587756853285]
  我々は、チェビシェフのスカラー化から動機付けられた新しい選好条件のベルマン作用素を導入する。 これらの収束Q推定値から決定論的ポリシーを抽出する方法を示す。 実験により,本アルゴリズムは複雑なトレードオフを回復することを確認した。
  論文  参考訳（メタデータ） (2026-06-24T21:28:49Z)
• The Silent Scholar Problem: A Probabilistic Framework for Breaking Epistemic Asymmetry in LLM Agents [0.6117371161379209]
  本稿では,エージェントに双方向知識交換のための非構造的動機を与える形式的確率的枠組みを提案する。 これらの蓄積された信念状態が、人間フィードバックからの強化学習(RLHF)と監視ファインチューニング(SFT)のための高品質データフィルタの検証可能な報酬信号としてどのように機能するかを示す。 シミュレーションの結果、この不確実性駆動型戦略が異種環境におけるランダムベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2025-12-24T02:02:25Z)
• Exact Recovery Guarantees for Parameterized Nonlinear System Identification Problem under Sparse Disturbances or Semi-Oblivious Attacks [16.705631360131886]
  本研究では,非線形力学系を基底関数を用いてパラメータ化することで,非線形力学系を学習する問題について検討する。 p$ が 1 に近づくときでさえ、有限時間正確な回復は高い確率で達成されることを示す。
  論文  参考訳（メタデータ） (2024-08-30T22:12:57Z)
• Probabilistic Reach-Avoid for Bayesian Neural Networks [71.67052234622781]
  最適合成アルゴリズムは、証明された状態の数を4倍以上に増やすことができることを示す。 このアルゴリズムは、平均的な到達回避確率を3倍以上に向上させることができる。
  論文  参考訳（メタデータ） (2023-10-03T10:52:21Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Achieving Fairness in Multi-Agent Markov Decision Processes Using Reinforcement Learning [30.605881670761853]
  有限水平エピソードMDPにおける公平性を実現するための強化学習手法を提案する。 このようなアプローチは、エピソード数の観点から、サブ線形後悔を実現することを示す。
  論文  参考訳（メタデータ） (2023-06-01T03:43:53Z)
• PAPAL: A Provable PArticle-based Primal-Dual ALgorithm for Mixed Nash Equilibrium [58.26573117273626]
  2プレイヤゼロサム連続ゲームにおける非AL平衡非漸近目的関数について考察する。 連続分布戦略のための粒子ベースアルゴリズムに関する新しい知見を述べる。
  論文  参考訳（メタデータ） (2023-03-02T05:08:15Z)
• Semantic Probabilistic Layers for Neuro-Symbolic Learning [83.25785999205932]
  我々は構造化出力予測(SOP)のための予測層を設計する。 予測が事前に定義されたシンボリック制約のセットと一致していることを保証するため、任意のニューラルネットワークにプラグインすることができる。 我々のセマンティック確率層(SPL)は、構造化された出力空間上で複雑な相関や制約をモデル化することができる。
  論文  参考訳（メタデータ） (2022-06-01T12:02:38Z)
• Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
  本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。 我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。 主アルゴリズムの正確性と収束性を保証する。
  論文  参考訳（メタデータ） (2021-02-01T01:13:03Z)

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。