マルチエージェント強化学習（MARL）における中心的課題の一つは、環境の一部しか観測できない自律移動ロボット（AMR）が効果的に協調する方法である。創発コミュニケーションは有望なアプローチと見なされ、エージェントは訓練を通じてメッセージ伝達の仕組みを自ら発達させる。しかし既存手法には、通信プロトコルの不安定性、メッセージ意味のタスクへの接地不足、そして通信学習と方策最適化の相互干渉という三つの問題がしばしば伴う。これらは訓練の進行とともに蓄積し、最終的に協調性能を低下させる。
こうした課題に対し、著者らは SCALE-COMM（Shared, Contrastively-Aligned Latent Embeddings for COMMunication）を提案する。これは、コンパクトで安定し、方策に関連する通信表現を学習することを目的とした自己教師ありフレームワークである。重要な設計は、通信学習を方策最適化から分離することにある。通信モジュールは方策勾配の副産物として同時に訓練されるのではなく、タスクに関連する計画情報と交通情報を符号化するよう求められる低次元の潜在メッセージを独立に学習する。
メッセージが異なるエージェントや異なる時間ステップの間で一貫した意味を持つことを保証するため、SCALE-COMMは対照整合の仕組みを導入し、共有埋め込み空間内の表現に一貫性を強制する。これによりメッセージの意味が接地され、同じメッセージに対するエージェント間の解釈のずれを防ぎつつ、訓練中のプロトコル安定性を高める。
著者らは標準的なMARLベンチマーク環境と、現実に近い倉庫調整タスクで評価を行った。その結果、SCALE-COMMは表現品質とタスク性能の両面で既存の通信フレームワークを安定して上回った。さらに、学習された通信空間は方策の微調整段階において安定性、サンプル効率、スループットの向上を示し、表現駆動型の通信がスケーラブルなマルチエージェント協調に有効であることを示唆している。
本論文はIEEE IV 2026に採択され、ロボティクス（cs.RO）分野に属し、2026年5月26日に投稿された。著者はMahmoud Abouelyazid氏ほか1名である。