未知環境・未知パートナー・規模変動に対応するマルチロボットのオープン適応型チーミング

本論文は、未知の環境・未知のパートナー・異なるチームサイズへの同時適応を必要とする実世界のロボットチーム展開を「open adaptive multi-robot teaming」として定式化し、その解決法を提案する。 - 既存手法は固定チームメイトを前提としたclosed-world仮定の下で各課題を個別に扱うことが多い。 - 提案手法はhypergraphic-form game定式化に基づき、ペアワイズを超えたチームレベルの協調関係を捉える。 - 動的にチーム構成が変わるエピソード内での協調構造推論の原理的基盤を与える。 - この定式化の上にHypergraphic Open-ended Learning Algorithm (HOLA)を開発。 - 訓練中にパートナーと環境の多様性を漸進的に拡大し、固定構成に最適化しない。 - 協調追跡タスクでマルチドローンとマルチ四足ロボットプラットフォームに評価。

既存研究は未知環境・未知パートナー・可変チームサイズの課題を個別に扱い、固定チームメイトというclosed-world仮定の下で解決することが多かった。 - 本論文はこれら3つの適応次元を同時に扱うopen adaptive multi-robot teamingとして形式化した点が新しい。 - ペアワイズ相互作用を超えたチームレベル協調関係を捉えるhypergraphic-form game定式化を導入。 - グラフニューラルネットワークアーキテクチャとは異なり、エージェント間の戦略的相互作用と利得構造をモデル化するゲーム理論的構成である点を強調。 - HOLAは固定構成に最適化せず、訓練中にパートナーと環境の多様性を漸進的に拡大する。 - 協調追跡タスクで全ベースラインを3つの適応次元すべてで上回る。

技術の肝は以下の通り。 - open adaptive multi-robot teamingの形式化。 - ペアワイズを超えるチームレベル協調関係を捉えるhypergraphic-form game定式化。 - 動的にチーム構成が変わるエピソード内での協調構造推論の原理的基盤を提供。 - グラフニューラルネットワークとは異なり、エージェント間の戦略的相互作用と利得構造をモデル化するゲーム理論的構成。 - この定式化に基づくHypergraphic Open-ended Learning Algorithm (HOLA)。 - HOLAは訓練中にパートナーと環境の多様性を漸進的に拡大し、固定構成に最適化しない。

協調追跡タスクでマルチドローンとマルチ四足ロボットプラットフォームを用いて評価。 - HOLAは3つの適応次元すべてで全ベースラインを上回った。 - 学習されたポリシーはファインチューニングなしで物理ハードウェアに直接転移。 - CrazyflieおよびZsibot L1プラットフォームでの展開に成功し、未知のチームメイトと新規環境での堅牢な実世界協調を確認。

要旨からは不明。

要旨で参照/比較されている研究や関連手法は明示されていない。同分野の定番として、graph neural network architectures、multi-agent reinforcement learning、open-ended learning、zero-shot coordination、ad hoc teamworkなどが挙げられる。