マルチロボット協調2026/11/5arXiv:2611.08075

見つけた時より良い状態に：逐次タスクにおける価値関数を介した協調

Leave It Better Than Found: Value-Guided Cooperation in Sequential Tasks

事前に共同訓練していないロボット同士が、価値関数を共有して環境への選好を伝え合うことで、逐次タスクを協調して遂行できる手法を提案。KNNによる不確実性フィルタで過信を防ぎ、成功率を最大48.5ポイント向上させた。

詳しい要約

1. どんなもの？

- 逐次タスク継続（sequential task continuation）問題を扱う研究。 - 先行ロボットが作業したワークスペースで別のロボットが作業を続ける状況を想定。 - 事前に共訓練していないロボット同士の ad hoc sequential cooperation を対象とする。 - value function の共有を通じて環境選好を明示的に伝達し、協調を実現する手法を提案。

2. 先行研究と比べてどこがすごい？

- 既存の multi-robot cooperation は co-training や co-optimization に依存し、訓練時の集団的相互作用データを前提とする。 - 多様な embodiment や policy が同一環境で稼働すると、組み合わせ爆発で協調 policy 学習が困難になる。 - 本研究は事前の joint training なしで協調可能な点が新しい。 - value function を内部学習ツールではなく ad hoc coordination の基盤として用いる点が特徴。

3. 技術・手法の肝は？

- ロボットが自身の value function を共有し、環境に対する選好を明示的に通信する。 - 共有された value function に基づき協調行動を決定する仕組み。 - out-of-distribution 状態での過信を防ぐため、k-nearest neighbors (KNN) ベースの uncertainty filter を導入。 - この filter で value function 交換の信頼性を担保する。

4. どうやって有効だと検証した？

- シミュレーション実験と実世界実験の両方で検証。 - naive または selfish な agent と比較し、タスク成功率が最大 48.5 pp 向上。 - value function 伝達が ad hoc coordination の有効な基盤であることを示した。

5. 議論はある？

- value function 共有が協調に有効であることを示す一方、OOD 状態での過信リスクに対処する必要性を指摘。 - KNN ベース uncertainty filter でそのリスクを軽減。 - 他の不確実性対処法や、より多様な embodiment への一般化については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で直接参照されている個別論文はなし。 - 関連手法として multi-robot cooperation における co-training / co-optimization 研究、value function 共有、KNN ベース uncertainty estimation を挙げる。 - 同分野の定番として multi-agent reinforcement learning (MARL) や ad hoc teamwork の文献を次に読むべき。

※ 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: Mario Gomez Andreu, Michael Amir, Antonio Marino, Tianxu An, Marco Hutter, Amanda Prorok

分類: cs.RO

原文アブストラクト

We consider the problem of sequential task continuation, where one robot acts in a workspace that has been affected by a previous robot. Current approaches in multi-robot cooperation rely heavily on co-training or co-optimization, assumingthat the robots have access to collective interaction data during the policy training or planning process. However, as increasingly varied robotic embodiments and policies are deployed and operate in the same real-world environment, learning policies for cooperation becomes infeasible due to the combinatorial explosion of possible robot combinations that need to be accounted for. To address this challenge, this paper considers the problem of ad hoc sequential cooperation between robots that have never before operated together in a shared environment. We demonstrate that robots can explicitly communicate their environmental preferences through sharing their value functions, enabling coordination without the need for prior joint training. To ground this exchange and prevent overconfidence in out-of-distribution states, we further introduce a k-nearest neighbors (KNN)- based uncertainty filter. Our method yields an increase of up to 48.5 pp compared with naive or even selfish agents, in task success rates across simulated and real-world experiments, demonstrating that value function transmission between agents is useful not merely as an internal learning tool, but as an effective basis for ad hoc coordination. Website: https://proroklab.github.io/PAVE/

arXivで原文を読む →arXiv概要ページ

見つけた時より良い状態に：逐次タスクにおける価値関数を介した協調

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事