群制御2026/9/13arXiv:2609.14268

分散型マルチエージェント衝突回避のための通信条件付き生成ポリシー学習

Learning Communication-Conditioned Generative Policies for Decentralized Multi-Agent Collision Avoidance

特権的なオフライン実演からフローマッチングで学習した生成ポリシーにより、エージェントが潜在メッセージを交換して分散的に衝突回避行動を生成する手法を提案。

詳しい要約

1. どんなもの？

- 提案: 分散型の communication-conditioned generative framework による multi-agent collision avoidance。 - 各 agent は flow-matching policy で short-horizon action sequences を生成。 - 学習は global state にアクセス可能な privileged offline demonstrations を使用。 - demonstrations に明示的な communication signals は含まれず、latent messages を学習して交換・集約。 - 実行時は完全分散で、local observations と learned messages のみに依存。

2. 先行研究と比べてどこがすごい？

- 先行研究との具体的比較は要旨からは不明。 - 特徴として、明示的な通信信号なしの demonstrations から latent messages を学習。 - unconditioned generation は independent behavior、communication-conditioned generation は coordinated interaction に対応。 - centralized planning を必要とせず、実行時に完全分散で動作。 - receding-horizon inference により single-step inference を実現し、communication dropouts に graceful に対応。

3. 技術・手法の肝は？

- flow-matching policy を privileged offline demonstrations から学習。 - agent 間で interaction-relevant intent を符号化する latent messages を交換・集約。 - 部分観測下で communication-conditioned な生成を可能にする定式化。 - テスト時は unconditioned と communication-conditioned の柔軟な推論が可能。 - receding-horizon inference scheme により short-horizon action sequences を効率的に single-step 推論。

4. どうやって有効だと検証した？

- 広範な simulation 結果で near-expert collision avoidance performance を実証。 - より密で未見の multi-agent scenarios への強い generalization を示す。 - real-robot experiments への zero-shot transfer を確認。 - communication dropouts 下での graceful degradation も検証。

5. 議論はある？

- 要旨からは不明。 - 想定される議論点: latent messages の解釈性、communication dropouts の限界、real-robot での安全性、より大規模な swarm への拡張性など。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明記されていない。 - 関連手法として flow-matching、multi-agent reinforcement learning、decentralized collision avoidance、communication learning の定番文献を挙げる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Prajwal Koirala, Mark Campbell

分類: cs.RO

原文アブストラクト

In this work, we propose a decentralized communication-conditioned generative framework for multi-agent collision avoidance. Agents generate short-horizon action sequences using a flow-matching policy trained from privileged offline demonstrations with access to global state. The demonstrations do not include explicit communication signals; instead, agents learn to exchange and aggregate latent messages that encode interaction-relevant intent under partial observability. This formulation supports flexible inference at test time, where unconditioned generation corresponds to independent behavior and communication-conditioned generation enables coordinated interaction without centralized planning. The resulting policies operate in a fully decentralized manner at execution time, relying only on local observations and learned messages. Combined with a receding-horizon inference scheme, the proposed approach enables efficient single-step inference of short-horizon action sequences and degrades gracefully under communication dropouts. Extensive simulation results demonstrate near-expert collision avoidance performance and strong generalization to denser, unseen multi-agent scenarios, along with zero-shot transfer to real-robot experiments.

arXivで原文を読む →arXiv概要ページ