論文の概要: Learning Dynamic Games for Cooperative Iterative Tasks
- arxiv url: http://arxiv.org/abs/2610.28901v1
- Date: Tue, 20 Oct 2026 20:29:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 09:50:43.221233
- Title: Learning Dynamic Games for Cooperative Iterative Tasks
- Title（参考訳）: 協調的反復作業のための動的ゲーム学習
- Abstract要約: 我々は、以前に実行された実行可能軌道を用いた協調的かつ反復的なゲームを用いて、サンプル化された共同安全なセットとプレイヤー固有のコスト・ツー・ゴー機能を構築することを検討する。
新しい解決策は、プレイヤーが合意した協調的な受け入れルールを満たす場合に限られる。
- 参考スコア（独自算出の注目度）: 3.736063711613611
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider cooperative and iterative tasks involving multiple agents whose interactions are modeled as a dynamic game with shared constraints. We propose a general learning framework applicable to nonlinear and nonconvex dynamic games that uses previously executed feasible trajectories to construct a sampled joint safe set and player-specific cost-to-go functions. At each time step, the agents jointly select a previously sampled terminal state and a Generalized Nash equilibrium used to reach it. A new solution is adopted only if it satisfies a cooperative acceptance rule agreed upon by the players. The framework accommodates individual non-degradation requirements and selection criteria such as weighted costs and Nash bargaining. We show that the proposed framework guarantees recursive feasibility and characterize conditions under which each player's cost is non-increasing across iterations.
- Abstract（参考訳）: 共有制約付き動的ゲームとしてモデル化された複数のエージェントを含む協調的かつ反復的なタスクについて考察する。
本稿では,以前に実行されたファジブルトラジェクトリを用いて,サンプリングされたジョイントセーフセットとプレーヤ固有のコスト・ツー・ゴー機能を構築する非線形・非凸動的ゲームに適用可能な一般学習フレームワークを提案する。
各段階において、エージェントは、予めサンプリングされた端子状態と、それに到達するのに使用される一般化ナッシュ平衡を共同で選択する。
新たなソリューションは、プレイヤーが同意した協調受け入れルールを満たす場合にのみ採用される。
このフレームワークは、個々の非劣化要件と、重み付けコストやナッシュ取引のような選択基準を満たす。
提案手法は,各プレイヤーのコストが反復的に増加しない状況において,再帰的実現可能性を保証するものであることを示す。
関連論文リスト
- A Forward-Inverse Dynamic Game Framework for Enhanced Multi-Agent Trajectory Planning [10.027004863448854]
そこで本稿では, 最適性と行動前処理を適応的にバランスさせる状態依存重み付きKL正規化動的ゲームを提案する。
正規化局所ゲームの一点当たりの well-posedness を確立し、適応重み付け関数が有界な名目軌道更新の下でリプシッツ連続であることを示す。
論文 参考訳（メタデータ） (2026-08-03T03:15:37Z) - Parametric Open Source Games [78.29352305480285]
プログラム平衡の連続的な類似であるパラメトリックオープンソースゲームを導入する。
対称な2時間2ドルゲームにおける利己的な勾配上昇が、欠陥から協調へと切り替わる正確な結合閾値を導出する。
我々は、クロスプレイヤーとセルフプレイヤーの感度の比で一階協調条件が支配されるニューラルネットワークのセマンティクスクラスにフレームワークを拡張した。
論文 参考訳（メタデータ） (2026-06-25T14:14:24Z) - Asymmetric Nash Seeking via Best Response Maps: Global Linear Convergence and Robustness to Inexact Reaction Models [0.0]
ナッシュ均衡(Nash equilibria)は、マルチエージェントの意思決定と制御における相互作用をモデル化するための原則的なフレームワークを提供する。
この手紙は、非対称情報 2-プレーヤ制約付きゲームのクラスを分離可能な集合で研究する。
論文 参考訳（メタデータ） (2026-03-17T18:45:56Z) - A Data Driven Structural Decomposition of Dynamic Games via Best Response Maps [0.0]
本稿では,平衡計算の再構成による動的ゲームに対する概念的新しい定式化を提案する。
提案された定式化は、自律レース問題に動機づけられた2プレイヤーのオープンループダイナミックゲームにおいて、モンテカルロの大規模な研究に付随する数学的証明によって支持される。
論文 参考訳（メタデータ） (2026-02-05T05:44:53Z) - Federated Contextual Cascading Bandits with Asynchronous Communication
and Heterogeneous Users [95.77678166036561]
繊細な通信プロトコルを用いたUPB型アルゴリズムを提案する。
同期フレームワークで達成されたものと同等のサブ線形後悔境界を与えます。
合成および実世界のデータセットに関する実証評価は、後悔と通信コストの観点から、我々のアルゴリズムの優れた性能を検証する。
論文 参考訳（メタデータ） (2024-02-26T05:31:14Z) - Exploiting hidden structures in non-convex games for convergence to Nash
equilibrium [62.88214569402201]
現代の機械学習アプリケーションは、非協調的なナッシュリリアとして定式化することができる。
決定論的環境と決定論的環境の両方に明確な収束保証を提供する。
論文 参考訳（メタデータ） (2023-12-27T15:21:25Z) - Learning Correlated Equilibria in Mean-Field Games [62.14589406821103]
我々は平均場相関と粗相関平衡の概念を発展させる。
ゲームの構造に関する仮定を必要とせず,効率よくゲーム内で学習できることが示される。
論文 参考訳（メタデータ） (2022-08-22T08:31:46Z) - Efficiently Computing Nash Equilibria in Adversarial Team Markov Games [19.717850955051837]
我々は,同じプレイヤーが対戦相手と競合するゲームのクラスを紹介する。
この設定により、ゼロサムマルコフゲームの可能性ゲームの統一処理が可能になる。
我々の主な貢献は、対戦チームマルコフゲームにおける固定的な$epsilon$-approximate Nash平衡を計算するための最初のアルゴリズムである。
論文 参考訳（メタデータ） (2022-08-03T16:41:01Z) - Provably Efficient Fictitious Play Policy Optimization for Zero-Sum
Markov Games with Structured Transitions [145.54544979467872]
本研究では,ゼロサムマルコフゲームに対して,構造的だが未知の遷移を伴う架空のプレイポリシー最適化アルゴリズムを提案し,解析する。
我々は、2年制の競争ゲームシナリオで、$K$のエピソードに続き、$widetildemathcalO(sqrtK)$ regret boundsを証明した。
提案アルゴリズムは,アッパー信頼境界(UCB)型最適化と,同時政策最適化の範囲内での架空のプレイの組み合わせを特徴とする。
論文 参考訳（メタデータ） (2022-07-25T18:29:16Z) - Multi-Agent Neural Rewriter for Vehicle Routing with Limited Disclosure
of Costs [65.23158435596518]
チームのマルコフゲームとして、部分的に観測可能なコストでマルチサイクルルーティング問題を解く。
我々のマルチエージェント強化学習アプローチである、いわゆるマルチエージェントニューラルリライタは、1エージェントニューラルリライタを利用して、反復的に書き換えるソリューションによって問題を解決する。
論文 参考訳（メタデータ） (2022-06-13T09:17:40Z)
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。