DARRMS（Dynamic Attention Radius for Resource-Constrained Multi-Agent Systems）は、2026年6月10日にarXivへ投稿された論文で、識別子はarXiv:2606.12614v1、カテゴリはロボティクス（cs.RO）である。著者はBenjamin Alcornともう1名の共著者である。本論文は、計算資源に制約のあるマルチエージェントシステム向けの効率的なアルゴリズムを提案し、各エージェントが「注意半径」の範囲に観測を限定することで、行動計画に不要と考えられる環境の一部を意図的に無視できるようにする。
論文はまず、マルチエージェントシステムがロボティクス、サイバーセキュリティ、自動運転計画など幅広い領域で不可欠な手段となっている一方、こうしたシステムにはしばしば計算資源上の制約があり、効率的で軽量なアルゴリズムが求められることを指摘する。従来の意思決定フレームワークは完全な可観測性や無限量の計算能力といった理想条件を前提とすることが多く、現実の課題と一致しない。DARRMSはこの背景のもと、他の性能指標を大きく損なうことなく計算資源の需要を削減することを目指している。
手法の面では、注意半径と意思決定の両方を最適化する点が特徴である。エージェントは環境のすべての情報を処理するのではなく、タスクに応じて注目する範囲を動的に調整し、不要な知覚や計算の負荷を減らす。著者らは、この適応的な観測が不確実な環境における協調性とスケーラビリティを高めると述べており、限られた計算予算を現在の意思決定に最も関連する情報へ集中できると説明している。
論文は理論分析と実証的検証の両面から有効性を示す。理論分析では資源制約のあるシステムにおける適応的観測の性質を論じ、実証的検証ではシステム性能の改善と堅牢な意思決定戦略の維持における効果を示す。著者らは、可観測性を制限することが能力の欠如ではなく意図的な設計上の選択であり、資源制約下でも全体として良好な性能を保てる点を強調している。
なお、本稿は現時点でarXivのプレプリントであり、投稿日時は2026年6月10日19:14:56 UTC、ファイルサイズは約191 KB、DOIはhttps://doi.org/10.48550/arXiv.2606.12614で、DOI登録は保留中である。論文ページではPDF、実験的なHTML、TeXソースなどの全文リンクや引用・参考文献ツールが提供されている。新規投稿のプレプリントであるため、その結論には査読や独立した追試が今後必要であり、引用の際にはバージョン情報（現在はv1）に注意すべきである。