断続通信下での分散マルチエージェント探索のためのエントロピーゲート型信念調整

- 分散型マルチエージェント目標探索の研究。 - 同種エージェントがPoisson-distributedな間欠通信を行う設定。 - 標準的な無条件belief fusionは高エントロピー探索時に通信を浪費する点を問題視。 - entropy-gated belief coordinationを提案し、集合エントロピー比が閾値θを超える間はfusionをスキップ。 - exploitation時にのみ統合する手法。 - EG-TDP (Entropy-Gated Trust-Decay Planner)を提案。

- 無条件belief fusionやvisit-weighted fusionと比較し大幅改善。 - 平均belief quality Q̄=0.300を達成。 - arithmetic mean比で58.9%向上。 - visit-weighted fusion比で37.4%向上。 - 全エージェントの観測を毎ステップ使うjoint-Bayesian referenceを、ランダムな間欠接触のみで上回る。 - 高エントロピー探索時の早すぎるconsensusを避ける点が新しい。

- 集合エントロピー比が閾値θを超える間はfusionをスキップ。 - exploitation時にのみbeliefを統合。 - nonlinear opinion dynamicsのbifurcation構造と、per-step information gain目的のsubmodular構造に整合。 - Istep(α,β)を導出：2エージェントのbinary sensors間の1観測ステップあたりの期待相互情報量。 - これは解釈可能で通信不要なsensor informativeness指標。 - gating設計の動機付けとシステムレベル分析に用いる。 - EG-TDPはexploitationモードでdetection-probability planner switchを追加。

- 103,680 trialsを実施。 - 9種類のgrid sizes（最大100×100）。 - Poisson communication timing。 - 4種類のtarget movement patterns。 - 平均belief quality Q̄（全trial・全step平均の真目標セルにおける平均belief mass）で評価。 - EG-TDPがarithmetic mean比58.9%増、visit-weighted fusion比37.4%増。 - 代表設定でjoint-Bayesian referenceを上回る。

- 高エントロピー探索時は多様な独立beliefが早すぎるconsensusより良いcoverageを与える。 - 無条件fusionは通信機会を浪費する。 - gating設計はnonlinear opinion dynamicsのbifurcation構造とsubmodular構造に整合。 - Istep(α,β)は通信不要で解釈可能な指標。 - 限界や失敗条件、計算コスト、スケーラビリティの詳細は要旨からは不明。

- 要旨で参照/比較されている研究：arithmetic mean、visit-weighted fusion、joint-Bayesian reference。 - 関連手法：nonlinear opinion dynamics、submodular information gain、Poisson-distributed communication。 - 同分野の定番：decentralized multi-agent target search、belief fusion、entropy-gated coordination。