論文の概要: Learning Self-Orchestration in Decentralized Agent Swarms

• arxiv url: http://arxiv.org/abs/2610.22322v1
• Date: Thu, 15 Oct 2026 17:51:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.249342
• Title: Learning Self-Orchestration in Decentralized Agent Swarms
• Title（参考訳）: 分散エージェント群における自己組織化学習
• Abstract要約: 市場ベースのポストトレーニング(MPT)は、分散エージェント群におけるアクションポリシーと自己組織化を共同で学習するためのフレームワークである。 具体化工法,ロボットナビゲーション,深層研究におけるMPTの評価を行った。
• 参考スコア（独自算出の注目度）: 69.26948968415893
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The capabilities of an agent swarm depend on both its individual members and how they coordinate. Yet existing multi-agent systems often train agents within fixed orchestration structures, separating the learning of individual capabilities from the organization of collective behavior. We introduce market-based post-training (MPT), a framework for jointly learning action policies and self-orchestration in decentralized agent swarms. Agents express their willingness to participate through bids, which determine who acts and how collective outcomes provide local training credit. Learning both action and bidding behavior allows individual capabilities and patterns of participation to adapt together without a central coordinating agent. We evaluate MPT on embodied crafting, robot navigation, and deep research. Results show gains over monolithic post-training and confirm that agent participation indeed evolves with learning. With the same post-trained action policies, learned self-orchestration outperforms alternative coordination strategies. Ablations show that both action and bidding benefit from learning, and that learned bids provide more effective action-training signals. Beyond the original training objectives, trained swarms adapt faster to related tasks and achieve better performance with larger populations at inference time. Larger populations also suffer smaller performance losses under agent dropout, demonstrating that learned self-orchestration supports reuse, scaling, and robustness in decentralized agent swarms. Code and trained models are available at https://github.com/Embodied-Minds-Lab/MPT.
• Abstract（参考訳）: エージェントスワムの能力は、個々のメンバーとそれらの調整方法の両方に依存する。 しかし、既存のマルチエージェントシステムは、しばしば固定されたオーケストレーション構造内のエージェントを訓練し、個々の能力の学習を集団的な振る舞いの組織から分離する。 我々は、分散エージェント群における行動ポリシーと自己組織を共同で学習するフレームワークである市場ベースポストトレーニング(MPT)を紹介した。 エージェントは入札を通じて参加する意思を表明し、誰が行動し、集団的な成果が地元の訓練クレジットを提供するかを決定する。 行動と入札行動の両方を学ぶことで、個々の能力と参加のパターンが、中央調整エージェントなしで一緒に適応できる。 具体化工法,ロボットナビゲーション,深層研究におけるMPTの評価を行った。 その結果、モノリシックなポストトレーニングよりも向上し、エージェントの参加が学習とともに実際に進化することが確認された。 同じ訓練後の行動方針で、学習した自己組織化は代替の調整戦略より優れていた。 アブレーションは、行動と入札の両方が学習の恩恵を受けており、学習された入札はより効果的な行動訓練信号を提供することを示している。 当初の訓練目標を超えて、訓練されたSwarmは関連するタスクにより早く適応し、推論時により大きな人口でより良いパフォーマンスを達成する。 エージェントのドロップアウトによるパフォーマンス損失も小さくなり、学習した自己組織化が分散エージェント群における再利用、スケーリング、ロバスト性をサポートすることが実証された。 コードとトレーニングされたモデルはhttps://github.com/Embodied-Minds-Lab/MPT.comで入手できる。

関連論文リスト

• Nested Training for Mutual Adaptation in Human-AI Teaming [30.247046563601202]
  既存のアプローチは、トレーニングパートナの多様性を改善して人間の振る舞いを近似することを目的としているが、これらのパートナは静的であり、人間の適応的な振る舞いを捉えることができない。 我々は,人間ロボットのチーム化シナリオを対話的部分観測可能なマルコフ決定プロセス (I-POMDP) としてモデル化し,その状態の一部としての人間の適応を明示的にモデル化する。 提案手法を,人間ロボットの協調作業用に設計された複数のベースラインエージェントと比較し,オーバークッキング領域における協調設定を必要とするマルチフェーズで学習する。
  論文  参考訳（メタデータ） (2026-02-18T23:07:48Z)
• MedSAM-Agent: Empowering Interactive Medical Image Segmentation with Multi-turn Agentic Reinforcement Learning [53.37068897861388]
  MedSAM-Agentは、対話的なセグメンテーションを多段階の自律的な意思決定プロセスとして再構築するフレームワークである。 マルチターン・エンド・ツー・エンドの成果検証を統合した2段階のトレーニングパイプラインを開発した。 6つの医療モダリティと21のデータセットにわたる実験は、MedSAM-Agentが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-02-03T09:47:49Z)
• CoMAS: Co-Evolving Multi-Agent Systems via Interaction Rewards [80.78748457530718]
  自己進化(Self-evolution)は、大規模言語モデル(LLM)ベースのエージェントが事前トレーニング後の能力を継続的に改善できるようにする上で、中心的な研究トピックである。 エージェントがエージェント間相互作用から学習することで自律的に改善できる新しいフレームワークであるCo-Evolving Multi-Agent Systems (CoMAS)を紹介する。
  論文  参考訳（メタデータ） (2025-10-09T17:50:26Z)
• Multi-Agent Collaboration via Evolving Orchestration [55.574417128944226]
  大規模言語モデル(LLM)は、様々な下流タスクで顕著な成果を上げているが、そのモノリシックな性質は複雑な問題解決におけるスケーラビリティと効率を制限している。 LLMに基づくマルチエージェントコラボレーションのためのパウチスタイルのパラダイムを提案し,タスク状態の進化に応じて,中央集権的なオーケストレータ("puppeteer")がエージェント("puppets")を動的に指示する。 クローズドドメインおよびオープンドメインシナリオの実験により,この手法は計算コストを低減し,優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-05-26T07:02:17Z)
• Multi-Agent Training for Pommerman: Curriculum Learning and Population-based Self-Play Approach [11.740631954398292]
  Pommermanはマルチエージェントトレーニングのための理想的なベンチマークであり、同盟エージェント間のコミュニケーション能力を持つ2つのチームのための戦場を提供する。 本研究は,カリキュラム学習と人口ベースセルフプレイを組み合わせることで,Pommermanをプレイするマルチエージェントシステムを学習するためのシステムを提案する。
  論文  参考訳（メタデータ） (2024-06-30T11:14:29Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Two-stage training algorithm for AI robot soccer [2.0757564643017092]
  異種エージェントの学習性能を向上させるために,二段階多種集中訓練を提案する。 提案手法は,5対5のAIロボットサッカーを用いて検証を行う。
  論文  参考訳（メタデータ） (2021-04-13T04:24:13Z)

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。