論文の概要: Neuromorphic Decision Dynamics for Deadlock-free Safe Navigation in Congested Environments

• arxiv url: http://arxiv.org/abs/2610.33271v1
• Date: Fri, 23 Oct 2026 20:32:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.288029
• Title: Neuromorphic Decision Dynamics for Deadlock-free Safe Navigation in Congested Environments
• Title（参考訳）: 混雑環境におけるデッドロックフリーセーフナビゲーションのためのニューロモルフィック決定ダイナミクス
• Abstract要約: 我々は、分散化されたイベントベースコントローラであるニューロモルフィック決定力学(NDD)を導入する。 NDDは、局所的なエージェント相互作用の制御可能な、局所的な調整可能な特性として、安全で生きた分解を行う。 設計により、NDDは内部決定と注意状態のダイナミクスを物理的状態の変化と局所的に観察される相対運動に結合する。
• 参考スコア（独自算出の注目度）: 4.282159812965446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safe navigation in congested environments requires both collision avoidance and coordinated passage. We introduce neuromorphic decision dynamics (NDD), a decentralized, event-based controller, that provides navigation in congested spaces with guarantees on safety, liveness, robustness, and scalability. NDD makes safe-and-live deconfliction a controllable, locally tunable emergent property of local agent interactions, without requiring communication, preassigned priorities, models of neighbors' objectives or future actions, or estimates of group size or global network properties. By design, NDD couples the dynamics of internal decision and attention states with changing physical states and locally observed relative motion. Each agent continuously modulates its speed along its prescribed path, responding as soon and as much as conflict resolution requires. Agents self-organize into disjoint, locally engaged groups that resolve conflicts concurrently. When any group's conflict becomes safety-critical, decision-action feedback destabilizes collective indecision, and coordinated conflict-resolution emerges that stabilizes a safe traversal order within the group. Order persists as conflicts clear, but groups may split or merge as agents autonomously adapt to new conflicts and those with resolved conflicts resume their nominal motion. We derive explicit conditions on sensing range, feedback gains, response time scales, and actuation limits that guarantee collision avoidance and traversal-order formation in finite time with no deadlock or livelock for finite, heterogeneous agent populations of arbitrary, changing size. Computational cost scales with the number of local interactions sensed by each agent. Large-scale simulations, comparisons with existing approaches, and hardware experiments demonstrate NDD in complex congested scenarios and validate its scalability.
• Abstract（参考訳）: 密集した環境での安全な航行には、衝突回避と調整された通過の両方が必要である。 我々は、分散化されたイベントベースのコントローラであるニューロモルフィック決定ダイナミクス(NDD)を導入し、安全、活力、堅牢性、スケーラビリティを保証した密集空間でのナビゲーションを提供する。 NDDは、通信、事前指定された優先順位、隣人の目的や将来の行動のモデル、グループサイズやグローバルネットワーク特性の見積を必要とせずに、安全で局所的に調整可能なローカルエージェントインタラクションの創発的特性を、安全かつ生き生きとしたデコンフリクションにしている。 設計により、NDDは内部決定と注意状態のダイナミクスを物理的状態の変化と局所的に観察される相対運動に結合する。 各エージェントは、所定の経路に沿って速度を継続的に調整し、コンフリクト解決に必要な限り素早く応答する。 エージェントは、コンフリクトを同時に解決する非結合な局所的なグループに自己組織化する。 集団の対立が安全クリティカルになると、決定行動フィードバックは集団的不確定性を不安定化し、グループ内の安全なトラバース秩序を安定化する協調的な紛争解決が出現する。 秩序は紛争が明確になるにつれて継続するが、エージェントが自律的に新しい紛争に適応し、解決された紛争のある者が名目上の動きを再開するにつれて、グループは分裂または合併する可能性がある。 我々は,任意の大きさの有限異種エージェント群に対するデッドロックやリビングロックのない有限時間における衝突回避とトラバース秩序の形成を保証するような,感知範囲,フィードバックゲイン,応答時間スケール,アクティベーション制限に関する明確な条件を導出する。 計算コストは各エージェントによって知覚される局所的な相互作用の数とともにスケールする。 大規模シミュレーション、既存手法との比較、ハードウェア実験は複雑な混雑シナリオにおけるNDDの実証とスケーラビリティの検証を行う。

関連論文リスト

• Distributed Stochastic Optimal Control for Pattern-Oriented Swarms [7.5152482124458695]
  コントロール、セルフロータ、安全な環境におけるパターン指向のSwarmは、多様なアプリケーションに対して大きな約束を提供する。 本稿では,統一確率的アーキテクチャにおいて,これらの課題に対処する最適な分散制御フレームワークの課題について述べる。
  論文  参考訳（メタデータ） (2026-09-11T15:17:50Z)
• Behavioural Signatures of Risk-Sensitive Decision-Making in Large Language Models [121.70781851874035]
  大規模言語モデル(LLM)は、意思決定支援にますます使われている。 不確実性の下での選択が安定かつ解釈可能な行動規則性を示すかどうかを理解することが重要である。 本稿では,無制限テキサスホールドエムに基づく制御型マルチモデルフレームワークを用いて,この問題について検討する。
  論文  参考訳（メタデータ） (2026-07-11T10:33:39Z)
• FocalPolicy: Frequency-Optimized Chunking and Locally Anchored Flow Matching for Coherent Visuomotor Policy [75.32174422881958]
  FocalPolicyは、周波数局所的なチャンキングとAnchoredフローマッチングを組み合わせたビジュモータポリシーである。 本稿では,近位行動における時間領域のアライメントを監督する,近位複合目標を提案する。 フローマッチング学習において,信号の伝搬一貫性を目標とした局所的アンカーサンプリングを設計する。
  論文  参考訳（メタデータ） (2026-05-15T13:27:55Z)
• Decentralized Opinion-Integrated Decision making at Unsignalized Intersections via Signed Networks [1.9459279387544572]
  交差調整のための閉ループ意見力学決定モデルを提案する。 車両は、競合トポロジに基づく通信ネットワークとコミットメント駆動の信条ネットワークという、二重署名ネットワークを介して意図を交換する。 その結果、衝突のない調整と、最初に提供されたものに比べて最終走行時間の短縮が示された。
  論文  参考訳（メタデータ） (2026-04-10T14:23:45Z)
• TSC: Topology-Conditioned Stackelberg Coordination for Multi-Agent Reinforcement Learning in Interactive Driving [37.09409794849228]
  トポロジ条件付きStackelberg Coordinationは、コミュニケーションフリー実行下での分散インタラクティブ運転のための学習フレームワークである。 TSCは,主要な指標をまたいだ代表的MARLベースラインよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2026-02-27T10:46:41Z)
• Safety-Utility Conflicts Are Not Global: Surgical Alignment via Head-Level Diagnosis [9.6880492141877]
  LLM(Large Language Models)における安全性の整合性は、本質的には多目的最適化の競合を示す。 本稿では,頭部診断とスパースファインチューニングを統合したフレームワークであるConflict-Aware Sparse Tuning (CAST)を提案する。
  論文  参考訳（メタデータ） (2026-01-07T06:09:52Z)
• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
  HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。 このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
  論文  参考訳（メタデータ） (2024-01-23T18:59:43Z)

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。