論文の概要: Minimum Sufficient Communication for Independent Behaviour Tree Robot Teams

• arxiv url: http://arxiv.org/abs/2610.38176v1
• Date: Wed, 28 Oct 2026 02:25:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 18:38:53.623257
• Title: Minimum Sufficient Communication for Independent Behaviour Tree Robot Teams
• Title（参考訳）: 独立行動木型ロボットチームのためのコミュニケーションの最小化
• Abstract要約: 本研究では,個人用黒板を用いた独立した行動木を運用するロボットチームにおいて,十分なコミュニケーションを決定するための実験フレームワークを提案する。 ロボットの判断毎に、メッセージの内容や入場頻度が変化し、受信者重み付きビットのトラフィックが測定される。
• 参考スコア（独自算出の注目度）: 1.0312968200748118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an experimental framework for determining sufficient communication in robot teams running fixed, independent Behaviour Trees with private blackboards. Within a declared policy family, we vary message content and admission frequency and measure traffic in recipient-weighted bits per robot decision. A dense sweep identifies candidate policies for comparison with full-state communication. We retest selected candidates and the reference on fresh, paired scenarios, using one-sided simultaneous confidence bounds to assess whether success remains within five percentage points of the full-state reference. The bounds also assess whether tested cheaper policies can be ruled out as insufficient. Depending on the evidence, the framework reports an exact minimum, a positive bracket, a sufficient upper bound, or an unresolved boundary. Experiments with eight content policies across four warehouse conditions identify zero communication as the exact minimum under low contention. In the scaled condition, the no-release policy at gate $q=0.992222$ is confirmed sufficient, achieving 96.33% success at an estimated rate of 738.55 bits per robot decision, or 0.544% of full-state traffic. The positive minimum remains unresolved. These claims apply only to the declared policy family, sampled gate values and operating conditions.
• Abstract（参考訳）: 本研究では,個人用黒板を用いた独立した行動木を運用するロボットチームにおいて,十分なコミュニケーションを決定するための実験フレームワークを提案する。 宣言されたポリシーファミリ内では、メッセージの内容と入場頻度が異なり、ロボットの判断毎に受信者重み付きビットのトラフィックを測定する。 密集したスイープは、フルステート通信と比較するための候補ポリシーを特定する。 我々は,選択された候補と新鮮でペア化されたシナリオの基準を再検証し,一方の同時信頼境界を用いて,成功率が全状態参照の5ポイント以内であるかどうかを評価する。 また、検査済みの安価な政策が不十分と判断できるかどうかも評価する。 証拠に応じて、このフレームワークは、正確な最小限、正のブラケット、十分な上限、未解決境界を報告している。 4つの倉庫条件にまたがる8つのコンテンツポリシーによる実験では、ゼロ通信を競合の少ない正確な最小限として識別する。 スケールした条件下では、$q=0.992222$のノーリリースポリシーが十分に確認され、ロボット1台当たり738.55ビット、フルステートトラフィックの0.544%で96.33%の成功を達成した。 正の最小限は未解決のままである。 これらの主張は、宣言されたポリシーファミリ、サンプル化されたゲート値、および運用条件にのみ適用される。

関連論文リスト

• When Are Aggregate Agent Traces Diagnosable? Traffic-Governed Interpretation and Calibrated Abstention [0.39287497907611874]
  様々な需要体制下での個別価格行動に対して,ホテル価格エージェントの模擬時間,在庫,市場状態について検討した。 政策が感染した細胞をめったに訪れると、断層は集合的な痕跡を残しない可能性がある。 我々は,集計や局所化に先行する診断可能性判定として,集約のみの故障解釈への参入を論じる。
  論文  参考訳（メタデータ） (2026-09-22T07:37:48Z)
• If Agents Were Angels, No Governance Would Be Necessary: Out-of-Band Policy Enforcement at a Trusted Tool Boundary [0.07499722271664146]
  Out-of-Band Policy Enforcement (OBPE)は、エージェント推論以外の信頼できる境界である。 OBPEは型付き操作とリソースを許可し、バックエンド呼び出しの前にクエリを絞り込み、それからレコードとフィールドをフィルタリングし、レスポンスの値にマスクを付ける。
  論文  参考訳（メタデータ） (2026-08-27T19:35:48Z)
• When Policies Change Probabilities: Modular Decision-Making for LLM Code Review [1.957901132578125]
  720のパッチに対する15,792の応答を用いて,4つのデプロイされたレビュアインタフェースが分離を維持しているかどうかを検証した。 パッチと一致した呼び出しで、修正された証拠を監視し、同じコストの政策を10:1の偽受け入れポリシーに変更し、障害確率を13.6から16.9ポイントと報告した。 また、ポリシー情報なしでリスクを発生させるモジュールパイプラインを評価し、独立したモニタスコアを組み合わせて、コードにコストを適用します。
  論文  参考訳（メタデータ） (2026-08-02T20:09:02Z)
• BOKBO (Best of K Bad Options): Calibrated Abstention for VLA Policies [1.3918848543076061]
  VLA(Vision-suite-action)ポリシー、RoboMonkey、SEAL、MG-Select、V-GPSなどのメソッドに対するテストタイムスケーリングは、推論時にK候補アクションチャンクをサンプリングし、検証-ベストを実行する。 K-sample VLA推論のための最初の共形吸収層であるBOKBOを提案する。
  論文  参考訳（メタデータ） (2026-05-28T23:39:09Z)
• Verifier-Bound Communication for LLM Agents: Certified Bounds on Covert Signaling [0.0]
  言語モデルエージェントを結合することで、ポリシーに準拠したメッセージの調整を表面レベルで隠蔽することができる。 生成と受け入れを分離するプロトコルであるCLBCを提案する。 このプロトコルは、遅延リークと明示的な残留チャネルの観点から、転写リークの上限をいかに高めるかを示す。
  論文  参考訳（メタデータ） (2026-02-27T23:42:37Z)
• Statistical Analysis of Policy Space Compression Problem [54.1754937830779]
  政策探索手法は強化学習において重要であり、継続的な状態反応と部分的に観察可能な問題に対処するための枠組みを提供する。 政策圧縮による政策空間の削減は、学習プロセスを加速するための強力で報酬のないアプローチとして現れます。 この手法は方針空間をより小さく代表的な集合に凝縮し、元の効果のほとんどを維持している。
  論文  参考訳（メタデータ） (2024-11-15T02:46:55Z)
• Hallucinated Adversarial Control for Conservative Offline Policy Evaluation [64.94009515033984]
  本研究では,環境相互作用のオフラインデータセットが与えられた場合,政策のパフォーマンスを低く抑えることを目的とした,保守的非政治評価(COPE)の課題について検討する。 本稿では,遷移力学の不確実性を考慮した学習モデルに基づくHAMBOを紹介する。 結果のCOPE推定値が妥当な下界であることを証明し、正則性条件下では、真に期待された戻り値への収束を示す。
  論文  参考訳（メタデータ） (2023-03-02T08:57:35Z)
• Minimax Off-Policy Evaluation for Multi-Armed Bandits [58.7013651350436]
  有界報酬を用いたマルチアームバンディットモデルにおけるオフポリシー評価の問題点について検討する。 3つの設定でミニマックスレート・オプティマティックな手順を開発。
  論文  参考訳（メタデータ） (2021-01-19T18:55:29Z)
• Doubly Robust Off-Policy Value and Gradient Estimation for Deterministic Policies [80.42316902296832]
  本研究では,行動継続時の非政治データから決定論的政策の政策値と勾配を推定する。 この設定では、密度比が存在しないため、標準重要度サンプリングとポリシー値と勾配の2倍の頑健な推定が失敗する。 異なるカーネル化アプローチに基づく2つの新しい頑健な推定器を提案する。
  論文  参考訳（メタデータ） (2020-06-06T15:52:05Z)
• Minimax-Optimal Off-Policy Evaluation with Linear Function Approximation [49.502277468627035]
  本稿では,関数近似を用いたバッチデータ強化学習の統計的理論について検討する。 記録履歴から新たな対象政策の累積値を推定するオフ・ポリティクス評価問題を考察する。
  論文  参考訳（メタデータ） (2020-02-21T19:20:57Z)

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。