論文の概要: Resolving Head-On Conflicts for Multi-Agent Path Finding with
Conflict-Based Search
- arxiv url: http://arxiv.org/abs/2007.03575v1
- Date: Tue, 7 Jul 2020 15:52:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-12 20:19:31.534125
- Title: Resolving Head-On Conflicts for Multi-Agent Path Finding with
Conflict-Based Search
- Title(参考訳): 競合に基づく探索によるマルチエージェントパス探索のためのヘッドオンコンフリクトの解決
- Authors: Lun Yang
- Abstract要約: 競合ベースの検索(CBS)は、マルチエージェントパス探索問題を解決するための一般的なフレームワークである。
本稿では,新たな手法,すなわち,このような矛盾を見出すヘッドオン技術を紹介する。
実験の結果,ヘッドオン技術は最先端のMAPFソルバCBSHを改善した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conflict-Based Search (CBS) is a popular framework for solving the
Multi-Agent Path Finding problem. Some of the conflicts incur a foreseeable
conflict in one or both of the children nodes when splitting on them. This
paper introduces a new technique, namely the head-on technique that finds out
such conflicts, so they can be processed more efficiently by resolving the
conflict with the potential conflict all together in one split. The proposed
technique applies to all CBS-based solvers. Experimental results show that the
head-on technique improves the state-of-the-art MAPF solver CBSH.
- Abstract(参考訳): 競合ベースの検索(CBS)は、マルチエージェントパス探索問題を解決するための一般的なフレームワークである。
一部の紛争は、子ノードを分割する際に、子ノードの一方または両方で予見可能な衝突を引き起こす。
本報告では,新たな手法,すなわち,これらの競合を発見できるヘッドオン技術を導入し,競合の可能性のある競合を1分割で解決することで,より効率的に処理できることを示す。
提案手法はCBSベースの全解法に適用できる。
実験の結果,ヘッドオン技術は最先端のMAPFソルバCBSHを改善した。
関連論文リスト
- Thought Propagation: An Analogical Approach to Complex Reasoning with
Large Language Models [70.76692652007469]
大規模言語モデルの複雑な推論能力を高めるために,textbftextitThought Propagation (TP)を提案する。
TP はまず LLM に対して,入力問題に関連する類似問題の集合を提案し,解決するよう促す。
TPは、類似問題の結果を再利用して、新しいソリューションを直接生成したり、スクラッチから得られた初期ソリューションを修正するための知識集約的な実行プランを導出する。
論文 参考訳(メタデータ) (2023-10-06T01:40:09Z) - Rehearsal: Simulating Conflict to Teach Conflict Resolution [54.32934135393982]
リハーサル(Rehearsal)は、ユーザーがシミュレート可能なインターロケータで競合をリハーサルできるシステムである。
ユーザはRehearsalを使って、事前に定義されたさまざまなコンフリクトシナリオの処理を実践できる。
リハーサルはIRPを使って紛争解決理論に基づく発話を生成する。
論文 参考訳(メタデータ) (2023-09-21T17:59:20Z) - Solving the Traveling Salesperson Problem with Precedence Constraints by
Deep Reinforcement Learning [59.14935871979047]
本研究は, 深層強化学習(DRL)を用いた優先制約付きトラベリングセールスパーソン問題(TSPPC)の解を提案する。
これらのアプローチに共通しているのは、マルチヘッドアテンション層に基づくグラフモデルの利用である。
論文 参考訳(メタデータ) (2022-07-04T14:31:47Z) - Subdimensional Expansion Using Attention-Based Learning For Multi-Agent
Path Finding [9.2127262112464]
MAPF(Multi-Agent Path Finding)は、各開始点から目標地点までの複数のエージェントに対する競合のないパスを見つける。
我々は、この学習に基づくシングルエージェントプランナーをM*に統合することにより、LM*と呼ばれる新しいマルチエージェントプランナーを開発する。
以上の結果から,M* と比較した場合,LM* はコンフリクトが少なく,高速に動作し,高い成功率を享受できることがわかった。
論文 参考訳(メタデータ) (2021-09-29T20:01:04Z) - A Deep Dive into Conflict Generating Decisions [3.222802562733787]
私たちは、Satisfiability(SAT)問題を解決するためにConflict Driven Clause Learningを使用します。
そこで我々は,CDCLがコンフリクトから節を学習することを示した。
我々は、mc決定の学習節から一部の変数の選択優先度を下げる新しい決定戦略として、共通推論変数還元(CRVR)を開発した。
論文 参考訳(メタデータ) (2021-05-10T18:17:52Z) - Learning by Fixing: Solving Math Word Problems with Weak Supervision [70.62896781438694]
数学用語問題(mwps)の従来のニューラルネットワークソルバは、完全な監視によって学習され、多様なソリューションを生み出すことができない。
MWPを学習するためのテキスト弱教師付きパラダイムを提案する。
この手法は最終回答のアノテーションのみを必要とし、単一の問題に対して様々な解決策を生成できる。
論文 参考訳(メタデータ) (2020-12-19T03:10:21Z) - Learning to Resolve Conflicts for Multi-Agent Path Finding with
Conflict-Based Search [35.71926950656326]
Conflict-Based Search (CBS) はパス探索のための最先端のアルゴリズムである。
我々は,oracle の意思決定を観察するコンフリクト選択のための機械学習フレームワークを提案する。
提案手法は,現在のcbsソルバよりも,成功率,検索ツリーサイズ,ランタイムを大幅に向上させる。
論文 参考訳(メタデータ) (2020-12-10T22:44:35Z) - End-to-End Learning and Intervention in Games [60.41921763076017]
ゲームにおける学習と介入のための統一的なフレームワークを提供する。
明示的および暗黙的な区別に基づく2つのアプローチを提案する。
分析結果は、実世界のいくつかの問題を用いて検証される。
論文 参考訳(メタデータ) (2020-10-26T18:39:32Z) - Dynamic Multi-Agent Path Finding based on Conflict Resolution using
Answer Set Programming [0.0]
コンフリクト分解能に基づくD-MAPFの解法を提案する。
アイデアは、新しいエージェントがチームに加わり、チーム全体を計画する代わりに競合が存在するとき、計画が互いに矛盾するエージェントの最小限のサブセットのためにのみ計画する、というものだ。
論文 参考訳(メタデータ) (2020-09-22T00:50:35Z) - Conflict-Based Search for Connected Multi-Agent Path Finding [6.18778092044887]
エージェントが互いに接続し、指定されたベースに留まることを必要とするマルチエージェントパス探索問題(MAPF)の変種について検討する。
この問題は、人間のオペレーターが実行全体を監視しなければならない探索と救助のミッションに応用できる。
我々はMAPFとして知られるコンフリクトベースの探索アルゴリズムを再検討し、コンフリクトが衝突ではなく切断から生じる変種を定義する。
論文 参考訳(メタデータ) (2020-06-05T08:02:36Z) - Joint Wasserstein Distribution Matching [89.86721884036021]
JDM問題(Joint Distribution matching)は、2つのドメインの関節分布を一致させるために双方向マッピングを学習することを目的としており、多くの機械学習およびコンピュータビジョンアプリケーションで発生している。
2つの領域における関節分布のワッサーシュタイン距離を最小化することにより、JDM問題に対処することを提案する。
そこで我々は,難解な問題を簡単な最適化問題に還元する重要な定理を提案し,その解法を開発した。
論文 参考訳(メタデータ) (2020-03-01T03:39:00Z)
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。