[論文レビュー] A Survey on Context-Aware Multi-Agent Systems: Techniques, Challenges and Future Directions

Hung Du, Srikanth Thudumu+2 more|arXiv (Cornell University)|Feb 3, 2024

Context-Aware Activity Recognition Systems被引用数 6

ひとこと要約

この調査は、文脈認識システム（context-aware systems）とマルチエージェントシステム（CA-MAS）の統合方法を分析し、一般的なプロセス、技術、ドメイン、課題、今後の方向性を概説する。

ABSTRACT

Research interest in autonomous agents is on the rise as an emerging topic. The notable achievements of Large Language Models (LLMs) have demonstrated the considerable potential to attain human-like intelligence in autonomous agents. However, the challenge lies in enabling these agents to learn, reason, and navigate uncertainties in dynamic environments. Context awareness emerges as a pivotal element in fortifying multi-agent systems when dealing with dynamic situations. Despite existing research focusing on both context-aware systems and multi-agent systems, there is a lack of comprehensive surveys outlining techniques for integrating context-aware systems with multi-agent systems. To address this gap, this survey provides a comprehensive overview of state-of-the-art context-aware multi-agent systems. First, we outline the properties of both context-aware systems and multi-agent systems that facilitate integration between these systems. Subsequently, we propose a general process for context-aware systems, with each phase of the process encompassing diverse approaches drawn from various application domains such as collision avoidance in autonomous driving, disaster relief management, utility management, supply chain management, human-AI interaction, and others. Finally, we discuss the existing challenges of context-aware multi-agent systems and provide future research directions in this field.

研究の動機と目的

• 統合を可能にする CAS および MAS の特性を概説する。
• 一般的な CAS-から-MAS へのプロセスを提案し、CA-MAS の各フェーズ（Sense-Learn-Reason-Predict-Act）を特定する。
• CA-MAS における文脈モデリング、推論、認識の技術を分野横断で調査する。
• CA-MAS の課題を論じ、今後の研究の方向性を提案する。

提案手法

• 既存の MAS および CAS の文献をレビューし、統合ポイントと共通アーキテクチャを特定する。
• 五段階の CA-MAS プロセス（Sense-Learn-Reason-Predict-Act）を提示し、各段階に手法を対応づける。
• 文脈モデリング手法（キーバリュー、オブジェクト指向、オントロジーベースなど）と推論手法（ルールベース、ケースベース推論、ファジィ論理、グラフベース、目標指向、強化学習/深層強化学習）を分類する。
• エージェントの認識レベル（アクティブ知覚、状況認識、文脈認識）と CA-MAS で用いられる組織構造（例: ヒエラルキー、ホラルキー、マーケット）を強調する。
• アプリケーション領域（衝突回避、災害救援、ユーティリティおよびサプライチェーンマネジメント、人間-AI 連携、サイバーセキュリティ）を論じ、今後の研究方向を特定する。

実験結果

リサーチクエスチョン

• RQ1 CA-MAS において、文脈認識とマルチエージェントシステムを統合する技術は何か？
• RQ2 堅牢な CA-MAS の構築における目立つ課題は何か、どのように対処できるか？
• RQ3 CA-MAS 研究に残る将来の方向性と未解決の課題は何か？
• RQ4 異なる文脈モデリングと推論アプローチが、分野横断での CA-MAS の性能にどのような影響を与えるか？

主な発見

• CA-MASとその基礎概念の最先端概要を提供する。
• CA-MAS の一般的な五段階プロセス：Sense-Learn-Reason-Predict-Act を紹介する。
• CA-MAS で用いられる文脈モデリングと推論技術を特定する。オントロジーベースのモデルや表現学習の DRL/RL を含む。
• CA-MAS に採用されるさまざまなエージェントの認識レベルと組織構造を論じる。
• CA-MAS が適用される複数のアプリケーション領域を強調し、今後の研究方向を概説する。