DeepFleet: 大規模モバイルロボット群のためのマルチエージェント基盤モデル

- 大規模な mobile robot fleet の coordination と planning を支援する foundation models 群「DeepFleet」 - Amazon 倉庫の数十万台規模の robot から得た fleet movement data（位置・goal・interaction）で学習 - 4 つの architecture を提案し、multi-agent foundation model の設計空間を探索 - RC: 個々の robot の近傍を扱う autoregressive decision transformer - RF: robot と warehouse floor 間の cross-attention を用いる transformer - IF: fleet 全体の multi-channel image 表現に convolutional encoding を適用 - GF: temporal attention と graph neural networks を組み合わせ空間関係を扱う

- 数百のではなく数十万台規模の実倉庫 robot データに基づく fleet 全体の foundation model を提示 - 単一手法ではなく 4 つの inductive bias を比較し、multi-agent foundation model の設計空間を体系的に探索 - 設計選択が prediction task 性能に与える影響を評価 - 特に RC と GF が有望で、データ拡大に伴う scaling の恩恵を示す点が特徴 - 個別の先行研究との直接比較は要旨からは不明

- fleet movement data（robot positions, goals, interactions）で学習する foundation models - 4 つの architecture で異なる inductive bias を実装 - RC: robot 近傍に対する autoregressive decision transformer - RF: robot と warehouse floor の cross-attention を備えた transformer - IF: fleet 全体を multi-channel image として convolutional encoding - GF: temporal attention と graph neural networks の組み合わせ - RC と GF は asynchronous robot state updates と局所的な interaction 構造を利用 - モデル scaling と大規模 warehouse operation datasets の活用を検討

- 4 つの architecture の設計選択が prediction task 性能に与える影響を評価 - RC と GF が最も有望であることを実験で示す - 両モデルがモデル scaling に伴い大規模 warehouse operation datasets を有効活用できることを実験で示す - 具体的な dataset 規模・metric・baseline の詳細は要旨からは不明

- RC と GF が有望である理由として asynchronous robot state updates と局所的 interaction 構造の利用を挙げる - モデル scaling により大規模データを有効利用できる可能性を議論 - 各 architecture の設計選択の影響を比較 - 限界・失敗事例・実運用上の課題についての詳細は要旨からは不明

- RC の基盤である decision transformer に関する研究 - RF で用いられる cross-attention を用いた transformer 研究 - IF の convolutional encoding に関連する画像表現ベースの手法 - GF の構成要素である graph neural networks と temporal attention の関連研究 - multi-agent reinforcement learning / multi-robot coordination の定番手法 - 要旨で直接参照・比較されている個別論文は不明