構造化された相互作用がモデルスケーリングを超えて分散協調を向上させる：実世界マルチロボットシステムにおける検証
本研究は、10台の実機ロボットを用いた運搬とマッピングタスクにおいて、完全結合からモジュール型階層的相互作用への通信トポロジ変更により正規化性能が47ポイント向上したのに対し、ニューラルネットワークの隠れ層サイズを2倍にしても最大9ポイントの向上にとどまることを示した。ネストされた混合効果モデルの比較により、トポロジの効果がモデルサイズよりもはるかに大きいことが確認された。性能は隠れユニット数1024を超えると飽和するが、これはシミュレーションキャリブレーションによる外挿であり、直接ハードウェア上での観測ではない。結果は、試験されたシステムとタスク設定において相互作用構造が支配的な役割を果たす可能性を示唆するが、より広範な定量的一般化は今後の課題である。
近年、マルチロボットシステムの性能向上には個々のロボットの能力をスケールアップするアプローチが一般的ですが、コストが高くなることが課題です。arXivに投稿された論文（2605.30383）では、ハードウェア予算を固定した場合、ロボット間の通信構造を再設計することが、モデルサイズを増やすよりも大きな性能向上をもたらすかどうかを実世界の実験で検証しました。
研究チームは、10台の実機ロボットを使用し、運搬と地図構築の統合タスクを実行。全結合ネットワークとモジュール型階層構造の2種類の通信トポロジを比較するとともに、ニューラルネットワークの隠れ層サイズを変えて実験を行いました（各条件5回、計60回の試行）。結果は明確で、全結合から階層構造への切り替えにより、正規化性能指標（0-100点）が47点向上したのに対し、隠れ層サイズを2倍にしても最大9点の向上にとどまりました。ネストされた混合効果モデルを用いた比較でも、トポロジ変更によるモデル適合度の改善が、モデルスケーリングよりもはるかに大きいことが確認されました。
この結果の頑健性を確認するため、独立したSMACマルチエージェント環境での再現実験も行われ、同様のパターンが観察されました。また、異種ベンチマークデータの再分析も補足的な一貫性を示しました。ただし、隠れユニット数1024を超えると性能が飽和する現象は、シミュレーションでキャリブレーションされた外挿に基づくものであり、直接ハードウェア上で測定されたものではない点に注意が必要です。
本研究の意義は、リソースが限られた実世界のマルチロボットシステムにおいて、個々のロボットの知能を高めるよりも、ロボット間の相互作用構造を最適化する方がコスト効率が高い可能性を示した点にあります。研究チームは、現時点での結果は特定のタスクとシステム設定に限定されるものの、将来の分散ロボットシステム設計に重要な示唆を与えるとしています。特に、通信や計算リソースが限られる応用シナリオにおいて、システムレベルの設計指針として活用が期待されます。