日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2509.14431

局所正準化同変グラフニューラルネットワークによるサンプル効率と汎化性に優れた群ロボット制御

Local-Canonicalization Equivariant Graph Neural Networks for Sample-Efficient and Generalizable Swarm Robot Control

シェア:XThreadsFacebookLINEはてブBluesky

エージェント中心の正準化と役割認識グラフ符号化を組み合わせたモジュラーな方策アーキテクチャLEGOを提案し、MAPPOと組み合わせることで群ロボット制御のサンプル効率と未知チームサイズへの汎化を改善した。

詳しい要約

1. どんなもの?

- 群ロボット制御のための MARL 向けモジュール型ポリシーアーキテクチャ LEGO を提案 - agent-centric canonicalization と role-aware graph encoding を組み合わせる - 予測した局所行動を world frame に戻すことで E(2)-equivariant なポリシーを実現 - 標準的な MARL アルゴリズムと組み合わせ可能で、本論文では MAPPO で実装 (LEGO-MAPPO) - 対象は cooperative MPE Spread と competitive Tag-occlusion のベンチマーク、さらに Crazyflie 実験

2. 先行研究と比べてどこがすごい?

- MLP-based、graph-only、canonicalization-only、equivariant の各ベースラインと比較 - サンプル効率とタスク性能の両面で LEGO-MAPPO が改善 - 座標系・チームサイズ・エージェントの役割をまたぐ汎化の弱さという MARL の課題に対処 - canonicalization により global coordinate frame への依存を除去 - role-wise graph encoder により intra-role permutation equivariance と可変チーム向け固定次元表現を提供 - 未学習のチームサイズへの fine-tuning なしの転移や空間分布シフト下での性能維持を報告

3. 技術・手法の肝は?

- agent-centric canonicalization - 各エージェント中心の座標系に変換し、global coordinate frame への依存を除去 - 予測した局所行動を world frame に戻すことで E(2)-equivariant ポリシーを構成 - role-aware graph encoding - role ごとの graph encoder により intra-role permutation equivariance を確保 - 可変サイズのチームに対して固定次元の表現を提供 - モジュール型で標準 MARL アルゴリズムに接続可能。本論文では MAPPO と組み合わせ

4. どうやって有効だと検証した?

- cooperative MPE Spread と competitive Tag-occlusion のベンチマークで評価 - MLP-based、graph-only、canonicalization-only、equivariant のベースラインと比較 - 未学習のチームサイズへの fine-tuning なし転移、空間分布シフト下での性能維持を検証 - 大規模チーム向けの curriculum initialization の効果を確認 - Crazyflie 実験で、pursuer が 1 機無効化された後もポリシーが動作することを確認

5. 議論はある?

- 要旨からは不明 - 限界や失敗事例、計算コスト、実機実験の規模などの詳細な議論は要旨に記載なし - 要旨で述べられている範囲では、チームサイズ転移・空間分布シフト・curriculum initialization・pursuer 障害時の運用継続が議論の対象

6. 次に読むべき論文は?

- MAPPO (本論文で LEGO と組み合わせた MARL アルゴリズム) - E(2)-equivariant / equivariant policy に関する関連研究 - graph neural network を用いた MARL ポリシー (graph-only ベースライン関連) - canonicalization を用いたポリシー設計の関連研究 - MPE Spread および Tag-occlusion ベンチマークに関する研究 - Crazyflie を用いた群ロボット実機実験の関連研究

※ 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: Keqin Wang, Tao Zhong, David Chang, Christine Allen-Blanchette

分類: cs.RO

原文アブストラクト

Multi-agent reinforcement learning (MARL) policies for swarm control often learn inefficiently and generalize poorly across coordinate frames, team sizes, and agent roles. We introduce Local-Canonicalization Equivariant Graph Neural Networks (LEGO), a modular policy architecture that combines agent-centric canonicalization with role-aware graph encoding. Canonicalization removes dependence on the global coordinate frame, while transforming predicted local actions back to the world frame produces an E(2)-equivariant policy. Role-wise graph encoders provide intra-role permutation equivariance and fixed-dimensional representations for variable-size teams. LEGO can be paired with standard MARL algorithms; we instantiate it with MAPPO. Across cooperative MPE Spread and competitive Tag-occlusion benchmarks, LEGO-MAPPO improves sample efficiency and task performance relative to MLP-based, graph-only, canonicalization-only, and equivariant baselines. The learned policies transfer without fine-tuning to unseen team sizes, maintain performance under spatial distribution shifts, and benefit from curriculum initialization for larger teams. In Crazyflie experiments, the policy remains operational after one pursuer is disabled. Code is available at https://github.com/CAB-Lab-Princeton/LEGO-MARL.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI