ELHPlan：マルチエージェント協調のための効率的な長期タスクプランニング
ELHPlan: Efficient Long-Horizon Task Planning for Multi-Agent Collaboration
LLMによるマルチロボット協調で、意図に紐づく行動系列を計画の基本単位とし、適応性と効率を両立させる長期プランニング手法を提案。トークン消費を従来の30〜40%に抑えつつ同等の成功率を達成した。
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？
※ 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: Shaobin Ling, Yun Wang, Chenyou Fan, Tin Lun Lam, Junjie Hu
分類: cs.AI, cs.RO
原文アブストラクト
Large Language Models (LLMs) enable intelligent multi-robot collaboration but face fundamental trade-offs: open-loop methods that compile tasks into formal representations for external executors produce sound plans but lack adaptability in partially observable environments, while iterative methods incur prohibitive computational costs that scale poorly with team size and task complexity. In this paper, we propose Efficient Long-Horizon Planning (ELHPlan), a novel framework that introduces Action Chains, sequences of actions explicitly bound to sub-goal intentions, as the fundamental planning primitive. ELHPlan operates via a cyclical process: 1) constructing intention-bound action sequences, 2) proactively validating for conflicts and feasibility, 3) refining issues through targeted mechanisms, and 4) executing validated actions. This design balances adaptability and efficiency by providing intention-bound action sequences with longer lookahead while avoiding expensive full re-planning. We further advocate comprehensive efficiency metrics, including token consumption and planning time, to more holistically evaluate multi-agent collaboration. Our experiments on benchmarks TDW-MAT and C-WAH demonstrate that ELHPlan achieves comparable task success rates while consuming only 30-40% of the tokens required by state-of-the-art methods. Our research establishes a new efficiency-effectiveness frontier for LLM-based multi-agent planning systems.
関連論文
- 人協調倉庫における混雑考慮型オンライン多エージェント集配アルゴリズムCARVSマルチエージェント計画
- 法的ガイドラインに基づく順序ゲームによる監査可能で展開可能なマルチエージェント動作計画マルチエージェント計画
- 多分岐コンティンジェンシーゲームのためのカスケード合意分割マルチエージェント計画
- SAFE-MA-RRT: データ駆動型安全証明を用いたマルチエージェント動作計画マルチエージェント計画
- 制約環境におけるマルチエージェント動作計画と衝突回避のためのMILPベース解法マルチエージェント計画
- スケーラブルなゲーム理論的予測・計画のためのプレイヤー選択ネットワークマルチエージェント計画
