Fugu-MT 論文翻訳(概要): Resolving Head-On Conflicts for Multi-Agent Path Finding with Conflict-Based Search

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

ECon: On the Detection and Resolution of Evidence Conflicts [56.89209046429291]
大規模言語モデル(LLM)の台頭は意思決定システムにおける情報の質に大きな影響を与えている。本研究では,実世界の誤情報シナリオをシミュレートするために,多様で検証された証拠衝突を生成する手法を提案する。
論文参考訳（メタデータ） (2024-10-05T07:41:17Z)
Faster Optimal Coalition Structure Generation via Offline Coalition Selection and Graph-Based Search [61.08720171136229]
本稿では,3つの革新的手法のハイブリッド化に基づく問題に対する新しいアルゴリズムSMARTを提案する。これらの2つの手法は動的プログラミングに基づいており、評価のために選択された連立関係とアルゴリズムの性能の強力な関係を示す。我々の手法は、問題にアプローチする新しい方法と、その分野に新しいレベルの精度をもたらす。
論文参考訳（メタデータ） (2024-07-22T23:24:03Z)
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 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。