論文の概要: Collective Collaboration of Recursive Autonomous Agents

• arxiv url: http://arxiv.org/abs/2610.33515v1
• Date: Sat, 24 Oct 2026 07:47:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.350149
• Title: Collective Collaboration of Recursive Autonomous Agents
• Title（参考訳）: 再帰的自律エージェントの集合的コラボレーション
• Abstract要約: 共通タスクと機能インターフェースは、トップダウンから生産目標の分解をサポートする。 加工、検査、物流を統合する生産ネットワークは、共通組織カーネルが設備サービス、ワークショップ、工場規模でどのようにインスタンス化されるかを示している。
• 参考スコア（独自算出の注目度）: 14.012807121250495
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Smart factories must translate order-level objectives into production tasks at multiple scales and combine the capabilities of individual units into an overall delivery capability. To address repeated adaptation of organizational mechanisms across equipment, workshops, and factories, as well as coordination across levels under changing production conditions, this paper develops a framework for the collective collaboration of recursive autonomous agents (RAAs). A common task and capability interface supports the recursive decomposition of production objectives from the top down and the aggregation of conditional capabilities through peer collaboration from the bottom up. Composite units can therefore participate in higher-level organizations as agents of the same kind. We formulate organizational models for leaf and composite units, specify interface closure under composition and conditions for finite task expansion, and develop operational mechanisms linking task decomposition, resource commitments, result aggregation, and coordination within the scope affected by change. A production network integrating machining, inspection, and logistics across multiple workshops illustrates how a common organizational kernel is instantiated at the equipment-service, workshop, and factory scales. The framework connects recursive organization with explicit task responsibilities, capability conditions, and execution interfaces for manufacturing systems.
• Abstract（参考訳）: スマートファクトリは、注文レベルの目標を複数のスケールで生産タスクに変換し、個々のユニットの能力を全体的なデリバリ能力に組み合わせなければなりません。 本研究は, 生産条件の変化に伴う組織機構の組織的適応と, 生産条件の変化に伴う調整の繰り返しに対処するため, 再帰的自律エージェント(RAA)の集合的連携のための枠組みを開発する。 共通タスクと機能インターフェースは、トップダウンからの生産目標の再帰的な分解と、ボトムアップからのピアコラボレーションによる条件付き機能の集約をサポートする。 したがって、複合ユニットは同じ種類のエージェントとして、より高いレベルの組織に参加することができる。 葉と複合単位の組織モデルを定式化し、構成下インタフェースの閉鎖と有限タスク拡張条件を定式化し、タスクの分解、リソースのコミットメント、結果の集約、変更の影響範囲内での調整をリンクする操作機構を開発する。 複数のワークショップで加工、検査、物流を統合する生産ネットワークは、共通組織カーネルが設備サービス、ワークショップ、工場規模でどのようにインスタンス化されるかを示している。 このフレームワークは、再帰的な組織と、明示的なタスク責任、能力条件、製造システムの実行インターフェースを結びつける。

関連論文リスト

• DEALS: Decentralized Expertise-Aware Load Serving for Multi-Agent LLM Systems [13.034974189941465]
  マルチエージェントシステム (MAS) は, 大規模言語モデル (LLM) に基づくエージェントを協調して, 構造的相互作用によって複雑なタスクを解くための効果的な手法として最近登場した。 エージェントが並列タスクを自律的かつ動的にルーティングすることを可能にする分散かつ低複雑さのフレームワークである分散エキスパート・アウェアを提案する。
  論文  参考訳（メタデータ） (2026-09-27T17:09:42Z)
• Orchestra-o1: Omnimodal Agent Orchestration [72.34907006336108]
  Orchestra-o1は、複数のモダリティをまたいだ効率的なエージェントコラボレーションをサポートするように設計された、オムニモーダルなエージェントオーケストレーションフレームワークである。 本研究は,モダリティを意識したタスクの分解,オンラインサブエージェントの特殊化,並列サブタスク実行を可能にする統一的なオーケストレーション機構を導入する。 このスケーラブルな設計により、エージェントシステムは異種情報ソースを含む複雑な現実世界のタスクに効果的に取り組むことができ、OmniGAIAベンチマークの精度は10.3%向上した。
  論文  参考訳（メタデータ） (2026-06-10T04:50:35Z)
• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
  大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。 本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
  論文  参考訳（メタデータ） (2026-05-07T14:19:17Z)
• From Skills to Talent: Organising Heterogeneous Agents as a Real-World Company [37.358554029394604]
  我々は,マルチエージェントシステムを組織レベルに高めるフレームワークであるemphOneManCompany(OMC)を紹介した。 OMCは、emphTalentsと呼ばれるポータブルエージェントIDにスキル、ツール、ランタイム構成をカプセル化する コミュニティ主導のemphTalent Marketは、オンデマンドの採用を可能にし、組織が能力ギャップを埋めることを可能にする。
  論文  参考訳（メタデータ） (2026-04-24T11:02:44Z)
• 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)
• A Unified Architecture for Dynamic Role Allocation and Collaborative Task Planning in Mixed Human-Robot Teams [0.0]
  任意のサイズの混合ロボットチームにおいて,動的役割割り当てと協調作業計画のための新しいアーキテクチャを提案する。 このアーキテクチャは、動作木(BT)に基づく集中型リアクティブかつモジュール型タスク非依存の計画手法を基盤としている。 MILPコストとして使用されるさまざまなメトリクスにより、アーキテクチャはコラボレーションの様々な側面を好むことができる。
  論文  参考訳（メタデータ） (2023-01-19T12:30:56Z)
• Structured Diversification Emergence via Reinforced Organization Control and Hierarchical Consensus Learning [48.525944995851965]
  組織制御の強化と階層的コンセンサス学習に基づく構造的多様化型MARLフレームワーク scRochico を提案する。 scRochicoは、探索効率と協力強度の観点から、現在のSOTAアルゴリズムよりもはるかに優れている。
  論文  参考訳（メタデータ） (2021-02-09T11:46:12Z)

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。