論文の概要: Policy Search in Code Space for Multi-Agent Pathfinding

• arxiv url: http://arxiv.org/abs/2610.25946v2
• Date: Tue, 20 Oct 2026 03:42:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.326977
• Title: Policy Search in Code Space for Multi-Agent Pathfinding
• Title（参考訳）: マルチエージェントパスフィニングのためのコード空間におけるポリシー探索
• Abstract要約: 複雑なマルチエージェントシステムのためのコーディネーションポリシーの開発は、労働集約型アルゴリズム設計か、不透明なタスク固有の強化学習のいずれかに依存している。 コード空間におけるポリシー検索は、自動最適化と明示的な解釈可能性を組み合わせた魅力的な第3の経路を提供することを示す。
• 参考スコア（独自算出の注目度）: 6.641026534298711
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Developing coordination policies for complex multi-agent systems relies on either labor-intensive algorithm design or opaque task-specific reinforcement learning. With recent advances in autonomous coding agents, we show that policy search directly in code space offers a compelling third path that combines automated optimization with explicit interpretability. We investigate a human-directed workflow in which coding agents iteratively propose, implement, evaluate, diagnose, and eventually refine algorithms guided by simulation feedback and explicit correctness verification. We conducted two case studies and found that this workflow robustly outperformed any manually engineered solutions. On a challenging map in the 2024 League of Robot Runners competition, a two-day search discovered a policy that exceeds the stronger locally reproduced competition entry by 35.0% on the densest instance and generalizes to unseen map instances. In simulated real-world warehouses with irregular lanes, continuous robot geometry, and asynchronous motion, a week-long search discovered an entirely new class of multi-agent pathfinding algorithm that outperforms a calibrated proprietary solution in throughput by 58.9%. Under stated assumptions, we further prove that the new algorithm is collision-free and completes, in finite time, every accepted goal that is not withdrawn or replaced. Together, the studies show that policy search in code space powered by state-of-the-art coding agents offers a highly competitive path to building real engineering solutions that are both effective and analytically tractable.
• Abstract（参考訳）: 複雑なマルチエージェントシステムのためのコーディネーションポリシーの開発は、労働集約型アルゴリズム設計か、不透明なタスク固有の強化学習のいずれかに依存している。 近年の自律型コーディングエージェントの進歩により、コード空間におけるポリシー検索は、自動最適化と明示的な解釈可能性を組み合わせた魅力的な第3のパスを提供することを示した。 シミュレーションフィードバックと明示的正当性検証によって導かれるアルゴリズムを反復的に提案し、実装し、評価し、診断し、最終的に洗練するヒューマン指向のワークフローについて検討する。 2つのケーススタディを行ない、このワークフローが手作業によるソリューションよりも堅牢に優れていることを発見した。 2024年のリーグ・オブ・ロボットランナーズ・コンペティションの挑戦的な地図上で、2日間の探索により、最も密集したインスタンス上で、より強い局所的に再現されたコンペティションのエントリーを35.0%超し、目に見えないマップインスタンスに一般化するポリシーが発見された。 不規則な車線、連続ロボット幾何学、非同期動作を備えた実世界の倉庫のシミュレーションにおいて、1週間にわたる探索により全く新しいタイプのマルチエージェントパスフィニングアルゴリズムが発見され、その精度は58.9%向上した。 述べられている仮定の下では、新しいアルゴリズムは衝突のないものであり、有限時間で、取り除かれたり、置き換えられたりしない全てのゴールを完遂する。 この研究は、最先端のコーディングエージェントを駆使したコード空間におけるポリシー探索が、効率的かつ分析的に抽出可能な実際のエンジニアリングソリューションを構築するための、非常に競争力のある道を提供することを示している。

関連論文リスト

• Glasseek: A Transparent Recipe for Training and Trustworthy Evaluation of DeepSearch Agents [48.64274374077379]
  Glasseekは完全な開発ライフサイクルにまたがる、完全な透過的なディープ検索フレームワークです。 データ構築のために,我々は,高品質な探索経路を体系的に生成する軌道キュレーションパイプラインを構築した。 トレーニングでは,探索と要約に同じポリシーを用いて,実行サブトラジェクトリのみを最適化するコンプレッション管理GSPOを提案する。
  論文  参考訳（メタデータ） (2026-10-12T15:48:45Z)
• Diversity-Guided Search-Based Testing of Large Language Model Applications [1.0125319485475452]
  大規模言語モデル(LLM)ベースのアプリケーションは、カスタマサービス、教育、モビリティを含む複数のドメインにまたがってデプロイされるようになっている。 私たちのフレームワークは生成されたテストのアーカイブを保持し、そのアーカイブからの距離を報います。 リポピュレーション・オペレーターは、調査を継続するために、定期的に人口の非障害テストを置き換える。
  論文  参考訳（メタデータ） (2026-09-19T20:41:16Z)
• Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
  システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。 このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。 我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-10-07T17:49:24Z)
• Agent-Arena: A General Framework for Evaluating Control Algorithms [0.0]
  Agent-Arenaは、意思決定ポリシーの統合、レプリケーション、開発、テストを簡単にするためのPythonフレームワークである。 既存のフレームワークとは異なり、Agent-Arenaはあらゆる種類の制御アルゴリズムをサポートするために一意に一般化されている。
  論文  参考訳（メタデータ） (2025-04-08T22:20:50Z)
• A Multiagent Path Search Algorithm for Large-Scale Coalition Structure Generation [61.08720171136229]
  結合構造生成はマルチエージェントシステムにおける基本的な計算問題である。 我々はCSGの多エージェントパス探索アルゴリズムであるSALDAEを開発し、連立構造グラフ上で運用する。
  論文  参考訳（メタデータ） (2025-02-14T15:21:27Z)
• Combinatorial Optimization with Policy Adaptation using Latent Space Search [44.12073954093942]
  本稿では,複雑なNPハード問題を解くために,パフォーマンスアルゴリズムを設計するための新しいアプローチを提案する。 我々の検索戦略は11の標準ベンチマークタスクにおける最先端のアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-13T12:24:54Z)
• MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion Control in Real Networks [63.24965775030673]
  そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。 我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。 我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
  論文  参考訳（メタデータ） (2023-02-02T18:27:20Z)

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。