論文の概要: Optimal Sequential Task Assignment and Path Finding for Multi-Agent
Robotic Assembly Planning
- arxiv url: http://arxiv.org/abs/2006.08845v1
- Date: Tue, 16 Jun 2020 00:45:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-20 21:32:24.590800
- Title: Optimal Sequential Task Assignment and Path Finding for Multi-Agent
Robotic Assembly Planning
- Title(参考訳): 多エージェントロボット組立計画のための最適順序タスク割り当てと経路探索
- Authors: Kyle Brown, Oriana Peltzer, Martin A. Sehr, Mac Schwager, Mykel J.
Kochenderfer
- Abstract要約: 本研究では,タスク間優先制約のあるアプリケーションにおいて,ロボットの大規模チームに対する逐次的タスク割り当てと衝突のないルーティングの問題について検討する。
本稿では,その問題に対する等間隔最適解を計算するための階層的アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 42.38068056643171
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the problem of sequential task assignment and collision-free routing
for large teams of robots in applications with inter-task precedence
constraints (e.g., task $A$ and task $B$ must both be completed before task $C$
may begin). Such problems commonly occur in assembly planning for robotic
manufacturing applications, in which sub-assemblies must be completed before
they can be combined to form the final product. We propose a hierarchical
algorithm for computing makespan-optimal solutions to the problem. The
algorithm is evaluated on a set of randomly generated problem instances where
robots must transport objects between stations in a "factory "grid world
environment. In addition, we demonstrate in high-fidelity simulation that the
output of our algorithm can be used to generate collision-free trajectories for
non-holonomic differential-drive robots.
- Abstract(参考訳): タスク間優先制約(例えば、タスク$A$とタスク$B$は、タスク$C$が始まる前に完了しなければならない)を持つアプリケーションにおいて、タスクの逐次割り当てと衝突不要なルーティングの問題を調査する。
このような問題は、ロボット製造アプリケーションのための組み立て計画においてよく起こり、最終製品を形成するにはサブアセンブリを組み立てる必要がある。
問題に対する最適解を求めるための階層的アルゴリズムを提案する。
このアルゴリズムは、ランダムに生成された一連の問題インスタンスで評価され、ロボットは、"工場的"グリッドの世界環境において、ステーション間でオブジェクトを移動しなければならない。
さらに, 本アルゴリズムの出力が非ホロノミック微分駆動ロボットの衝突のない軌道生成に有効であることを示す。
関連論文リスト
- Optimal Integrated Task and Path Planning and Its Application to
Multi-Robot Pickup and Delivery [10.530860023128406]
本稿では,最適なタスクプランナと最適なパスプランナを組み合わせた,汎用的なマルチロボット計画機構を提案する。
統合プランナーは、タスクプランナーとパスプランナーの相互作用を通じて、ロボットに対して最適な衝突のない軌道を生成する。
論文 参考訳(メタデータ) (2024-03-02T17:48:40Z) - A Conflict-Aware Optimal Goal Assignment Algorithm for Multi-Robot
Systems [6.853165736531941]
マルチロボットアプリケーションは、衝突のない経路を確保しながら、各ロボットにユニークな目標を割り当てることを目的としている。
そこで本研究では,次の最適な割り当てを計算するための効率的な競合誘導手法を提案する。
複数のベンチマークワークスペース上で,最大100個のロボットに対して,我々のアルゴリズムを広範囲に評価した。
論文 参考訳(メタデータ) (2024-02-19T19:04:19Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳(メタデータ) (2023-12-14T10:37:34Z) - Contribution \`a l'Optimisation d'un Comportement Collectif pour un
Groupe de Robots Autonomes [0.0]
この論文は集団ロボット工学の分野、特にマルチロボットシステムの最適化問題を研究している。
最初の貢献は、未知領域探索問題の解決にButterfly Algorithm Optimization (BOA) を用いることである。
第2の貢献は、ロボット工学における動的増分問題をベンチマークするための新しいシミュレーションフレームワークの開発である。
論文 参考訳(メタデータ) (2023-06-10T21:49:08Z) - Towards Practical Multi-Robot Hybrid Tasks Allocation for Autonomous
Cleaning [40.715435411065336]
我々は,不確実なクリーニング環境下でのマルチロボットハイブリッドタスク割り当てを,ロバストな最適化問題として定式化する。
フロアプランから作成したEmph100インスタンスのデータセットを構築し、それぞれが手動でラベル付けされた2Dイメージと3Dモデルを持つ。
3つの従来の最適化手法と深層強化学習に基づく解法を用いて、収集したデータセットの総合的な結果を提供する。
論文 参考訳(メタデータ) (2023-03-12T01:15:08Z) - Leveraging Sequentiality in Reinforcement Learning from a Single
Demonstration [68.94506047556412]
本稿では,複雑なロボットタスクの制御ポリシーを1つの実演で学習するために,シーケンシャルなバイアスを活用することを提案する。
本研究は, ヒューマノイド移動やスタンドアップなど, 模擬課題のいくつかを, 前例のないサンプル効率で解くことができることを示す。
論文 参考訳(メタデータ) (2022-11-09T10:28:40Z) - Intelligent Trajectory Design for RIS-NOMA aided Multi-robot
Communications [59.34642007625687]
目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。
ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
論文 参考訳(メタデータ) (2022-05-03T17:14:47Z) - A distributed, plug-n-play algorithm for multi-robot applications with a
priori non-computable objective functions [2.2452191187045383]
マルチロボットアプリケーションでは、ミッションのユーザ定義の目的を一般的な最適化問題として当てはめることができる。
これらの問題には標準勾配の差分型アルゴリズムは適用できない。
本稿では,各ロボットのサブコスト関数を慎重に設計するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-11-14T20:40:00Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳(メタデータ) (2021-08-03T02:56:21Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳(メタデータ) (2020-05-27T01:10:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。