GenCoord: プライベート情報下でのスキルパスコミットメント

GenCoordは、複数のembodied agentがそれぞれ異なる私的情報（一方は目標、他方は実行可能な変換）を持つ協調タスクにおいて、タスクの結果を実行可能なスキルパスのコミットメントに変換する手法を提案する。ローカルのQwen3.5-0.8BモデルがSELFプランとREQを生成し、フィードバックに基づく改訂を経て、コミットメントを検証・コンパイルしてMineflayerスキルとして実行する。

先行研究では、エージェント間の通信やプランニングが個々の観測に依存し、私的情報の非対称性を明示的に扱わないことが多い。GenCoordは、タスクの結果をコミットメントの単位とし、ローカルな推論と検証済みの協調行動を結びつける点で新しい。また、軽量なローカルモデル（0.8B）を用いながら、高い成功率を達成している。

手法の核は、私的情報のタスク結果を実行可能なスキルパスコミットメントに変換すること。具体的には、ローカルモデルがSELFプランとREQを生成し、ピアの能力に依存する改訂をフィードバックでルーティングする。コミットメントはパース、チェック、正規化、Mineflayerスキルへのコンパイル、ハンドオフと終端状態の検証を経る。また、Short DSLを用いて通信を圧縮する。

検証は、反事実的介入（世界、呼び出しスケジュール、実行者を固定）により、リクエスタの改訂とレシーバの実行が注入されたタスク結果に従うことを確認。3つのシードで、正しい能力フィードバックがローカル情報ギャップを50%から100%に改善。マルチステップコミットメントは保持テンプレート成功率を6.9ポイント向上させ、モデル決定を32%削減。128の保持セマンティッククラスタで、Short DSLはピアトラフィックを92.8%、コミットメントまでの時間を68.2%削減。

要旨からは、私的情報の非対称性が完全に解消されるわけではなく、コミットメントの検証がタスクの複雑さに依存する可能性が示唆される。また、ローカルモデルの性能やスケーラビリティ、実世界のロボットへの適用に関する議論は要旨に含まれていない。

要旨で参照されている関連研究は明示されていないが、同分野の定番として、マルチエージェントプランニング、コミュニケーション効率化、スキル学習に関する論文が考えられる。具体的には、"Decentralized MDP"や"Emergent Communication"、"Language Model Planning"などの研究が関連する。