論文の概要: Probabilistic Energy Modeling Unifies Versatile Swarm Control

• arxiv url: http://arxiv.org/abs/2610.31371v1
• Date: Thu, 22 Oct 2026 14:42:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.412705
• Title: Probabilistic Energy Modeling Unifies Versatile Swarm Control
• Title（参考訳）: 可逆性スワム制御を統一した確率的エネルギーモデリング
• Abstract要約: 確率的エネルギーモデリングは万能群制御のための統一表現を提供することを示す。 我々は、基本的な群れの挙動を、統一確率的目的の中で再利用可能なエネルギー用語としてエンコードする。 この表現内で訓練された分散されたポリシーは、軽量なポリシーゲーティングを通じて単一のコントローラに構成される。
• 参考スコア（独自算出の注目度）: 20.22034841553207
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic swarms must coordinate across diverse missions, yet existing controllers often require redesign, retuning, or retraining when objectives change. Here we show that probabilistic energy modeling provides a unifying representation for versatile swarm control, in which diverse missions emerge from compositions of shared interaction principles rather than task-specific control formulations. By exploiting the correspondence between Gibbs random field energy minimization and structured reward maximization, we encode fundamental swarm behaviors as reusable energy terms within a unified probabilistic objective. Decentralized policies trained within this representation are composed into a single controller through lightweight policy gating, without retraining. An interpretable action-attention mechanism captures non-uniform local interactions, while dimensionless normalization supports transfer across swarm scales and platforms. Demonstrated on aerial swarms, the unified policy generalizes zero-shot across six mission classes, 10-100 agents, two hardware platforms, and indoor cluttered and GPS-denied woodland environments. Large-scale simulations achieve 0.96-1.00 task success rates with 1-10 ms per-agent inference latency, while physical deployments confirm zero-shot transfer to real platforms and unstructured environments. These results establish probabilistic energy modeling as a scalable and transferable framework for decentralized swarm control.
• Abstract（参考訳）: ロボット群は様々なミッションにまたがって調整する必要があるが、既存のコントローラーは目的が変わったときに再設計、再調整、再訓練を必要とすることが多い。 ここでは、確率的エネルギーモデリングが、タスク固有の制御定式化ではなく、共有相互作用原理の構成から多種多様なミッションが出現する多目的群制御の統一表現を提供することを示す。 ギブス確率場エネルギーの最小化と構造的報酬の最大化の対応を生かして、基本スウォームの挙動を統一確率的目的の中で再利用可能なエネルギー用語として符号化する。 この表現内で訓練された分散ポリシは、トレーニングをすることなく、軽量なポリシーゲーティングを通じて単一のコントローラに構成される。 解釈可能なアクションアテンション機構は非一様局所相互作用をキャプチャし、次元のない正規化はSwarmスケールとプラットフォーム間の転送をサポートする。 6つのミッションクラス、10-100エージェント、2つのハードウェアプラットフォーム、そして屋内の散らばった森林とGPSによる森林環境にまたがるゼロショットを一般化する。 大規模シミュレーションでは1エージェント当たり1～10msの遅延で0.96-1.00のタスク成功率が達成され、物理的展開では実際のプラットフォームや非構造化環境へのゼロショット転送が確認される。 これらの結果は、分散Swarm制御のためのスケーラブルで転送可能なフレームワークとして確率的エネルギーモデリングを確立している。

関連論文リスト

• Temperament Engineering: Designing Strategic Behavioural Diversity in Robot Swarms [0.5482532589225553]
  「テンパラメントエンジニアリング」は、スワムのテンパラメントの分布を設計対象として扱う枠組みである。 5つの進化的に検証された動物の気質の軸をデザインの語彙として借りている。 3段階のワークフローはミッション成功基準を関連する軸にマッピングし、$$分布の形状を計画し、環境条件に反応する気質を調節する。
  論文  参考訳（メタデータ） (2026-09-24T11:45:17Z)
• Schrödinger Bridges over Kinetic Swarming Models [16.998652690384596]
  我々は、乱れを受ける群れに対する有限ホライズン最小エネルギー集団操舵について考察する。 我々の目標は、状態フィードバック制御を用いて所定のエンドポイント分布間でSwarmをステアリングすることである。 古典的なシュルディンガー橋を思わせる時間対称構造を持つ必要最適性系を導出する。
  論文  参考訳（メタデータ） (2026-08-26T01:34:36Z)
• Learning Adaptive Multi-Task Guidance, Navigation, and Control via Hypernetworks [5.936743269468451]
  HYPER-GNCは自律飛行ロボットのためのマルチタスク強化学習フレームワークである。 物理インフォームドタスクの埋め込みを、共有アクター批判ポリシーの重みにマッピングする。 実験により、HYPER-GNCはシングルタスクの専門家に匹敵するサンプル効率を達成することが示された。
  論文  参考訳（メタデータ） (2026-07-27T11:39:22Z)
• Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering [50.72456732323037]
  textbfSwarm Skillsは、マルチエージェントのセマンティクスを用いて、Arthhropic Skills標準を拡張したポータブル仕様である。 Swarm Skillsはマルチエージェントを、役割、実行バウンダリ、自己進化のためのビルトインセマンティック構造からなる、一級の分散可能なアセットに変える。 我々は,Swarm Skillsがプログレッシブ開示を通じて,ゼロアダプタのクロスエージェントポータビリティを実現する方法を示す。
  論文  参考訳（メタデータ） (2026-05-11T06:26:58Z)
• PILOT: A Perceptive Integrated Low-level Controller for Loco-manipulation over Unstructured Scenes [18.916978556216097]
  PILOTは知覚的ロコ操作に適した単段階強化学習フレームワークである。 知覚的な移動と1つのポリシー内での全身制御をシナジー化する。 PILOTは、既存のベースラインと比較して、安定性、コマンド追跡精度、地形トラバーサビリティが優れている。
  論文  参考訳（メタデータ） (2026-01-24T12:25:20Z)
• VariAntNet: Learning Decentralized Control of Multi-Agent Systems [2.5950969608246797]
  単純なマルチエージェントシステムは、消防などの災害対応アプリケーションに効果的に利用することができる。 これらの単純なロボットエージェントは、Ant Robotsとしても知られており、限定的な知覚能力を持ち、共有座標系を持たない匿名エージェントとして定義されている。 本稿では,エージェントスワーミングと協調的なタスク実行を容易にするために,ディープラーニングに基づく分散制御モデルであるVariAntNetを提案する。
  論文  参考訳（メタデータ） (2025-09-02T12:48:15Z)
• Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [73.75271615101754]
  本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。 Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。 Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
  論文  参考訳（メタデータ） (2025-03-25T15:19:56Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)

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。