Multi-Agent Consensus Seeking via Large Language Models

要約

大規模言語モデル (LLM) によって駆動されるマルチエージェント システムは、複雑なタスクを協調的な方法で解決する有望な能力を示しています。
この研究では、マルチエージェントのコラボレーションにおける基本的な問題、つまり合意形成を検討します。
複数のエージェントが連携する場合、エージェント間の交渉を通じてどのように合意に達することができるかに興味があります。
その目的を達成するために、この研究では、各エージェントの状態が数値であり、合意値に達するために相互に交渉する合意形成タスクを研究します。
どの戦略を採用すべきか明確に指示されていない場合、LLM 主導型エージェントは主に合意形成のために平均戦略を使用しますが、場合によっては他の戦略も使用することが明らかになりました。
さらに、この研究では、エージェント番号、エージェントの性格、およびネットワーク トポロジが交渉プロセスに及ぼす影響を分析します。
この研究で報告された発見は、より複雑なタスクを解決するための LLM 駆動のマルチエージェント システムの動作を理解するための基礎を築く可能性があります。
さらに、LLM 主導のコンセンサス探索は、マルチロボット集約タスクに適用されます。
このアプリケーションは、LLM 駆動エージェントがマルチロボット コラボレーション タスクのゼロショット自律計画を達成できる可能性を示しています。
プロジェクトの Web サイト:westlakeintelligentrobotics.github.io/ConsensusLLM/。

要約(オリジナル)

Multi-agent systems driven by large language models (LLMs) have shown promising abilities for solving complex tasks in a collaborative manner. This work considers a fundamental problem in multi-agent collaboration: consensus seeking. When multiple agents work together, we are interested in how they can reach a consensus through inter-agent negotiation. To that end, this work studies a consensus-seeking task where the state of each agent is a numerical value and they negotiate with each other to reach a consensus value. It is revealed that when not explicitly directed on which strategy should be adopted, the LLM-driven agents primarily use the average strategy for consensus seeking although they may occasionally use some other strategies. Moreover, this work analyzes the impact of the agent number, agent personality, and network topology on the negotiation process. The findings reported in this work can potentially lay the foundations for understanding the behaviors of LLM-driven multi-agent systems for solving more complex tasks. Furthermore, LLM-driven consensus seeking is applied to a multi-robot aggregation task. This application demonstrates the potential of LLM-driven agents to achieve zero-shot autonomous planning for multi-robot collaboration tasks. Project website: westlakeintelligentrobotics.github.io/ConsensusLLM/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google