論文の概要: Bottom-up mechanism and improved contract net protocol for the dynamic task planning of heterogeneous Earth observation resources

• arxiv url: http://arxiv.org/abs/2007.06172v2
• Date: Wed, 9 Jun 2021 05:49:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 00:44:00.999063
• Title: Bottom-up mechanism and improved contract net protocol for the dynamic task planning of heterogeneous Earth observation resources
• Title（参考訳）: 不均質地球観測資源の動的タスク計画のためのボトムアップ機構と契約ネットプロトコルの改善
• Authors: Baoju Liu, Min Deng, Guohua Wu, Xinyu Pei, Haifeng Li, Witold Pedrycz
• Abstract要約: 地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。 観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。 不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
• 参考スコア（独自算出の注目度）: 61.75759893720484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Earth observation resources are becoming increasingly indispensable in disaster relief, damage assessment and related domains. Many unpredicted factors, such as the change of observation task requirements, to the occurring of bad weather and resource failures, may cause the scheduled observation scheme to become infeasible. Therefore, it is crucial to be able to promptly and maybe frequently develop high-quality replanned observation schemes that minimize the effects on the scheduled tasks. A bottom-up distributed coordinated framework together with an improved contract net are proposed to facilitate the dynamic task replanning for heterogeneous Earth observation resources. This hierarchical framework consists of three levels, namely, neighboring resource coordination, single planning center coordination, and multiple planning center coordination. Observation tasks affected by unpredicted factors are assigned and treated along with a bottom-up route from resources to planning centers. This bottom-up distributed coordinated framework transfers part of the computing load to various nodes of the observation systems to allocate tasks more efficiently and robustly. To support the prompt assignment of large-scale tasks to proper Earth observation resources in dynamic environments, we propose a multiround combinatorial allocation (MCA) method. Moreover, a new float interval-based local search algorithm is proposed to obtain the promising planning scheme more quickly. The experiments demonstrate that the MCA method can achieve a better task completion rate for large-scale tasks with satisfactory time efficiency. It also demonstrates that this method can help to efficiently obtain replanning schemes based on original scheme in dynamic environments.
• Abstract（参考訳）: 災害救助・被害評価・関連分野において,地球観測資源がますます不可欠になりつつある。 観測タスク要求の変化や悪天候の発生、資源不足など、多くの予期せぬ要因は、計画された観測計画が実現不可能になる可能性がある。 したがって、計画されたタスクへの影響を最小限に抑える高品質な再計画型観察スキームを迅速かつ頻繁に開発できることが重要である。 不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。 この階層的なフレームワークは、隣接するリソースコーディネーション、単一のプランニングセンターコーディネーション、複数のプランニングセンターコーディネーションの3つのレベルで構成される。 予測できない要因に影響を受ける観測タスクを割り当て、リソースから計画センターへのボトムアップルートと共に処理する。 このボトムアップ分散協調フレームワークは、計算負荷の一部を観測システムの様々なノードに転送し、タスクをより効率的かつ堅牢に割り当てる。 動的環境における適切な地球観測資源への大規模タスクの迅速な割り当てを支援するため,マルチラウンド・コンビネート・アロケーション(mca)手法を提案する。 さらに,新たなフロート間隔に基づく局所探索アルゴリズムを提案し,より高速な計画手法を提案する。 実験により, MCA法は時間効率の良い大規模タスクに対して, より優れたタスク完了率が得られることを示した。 また,本手法は動的環境におけるオリジナルスキームに基づく再計画スキームを効率的に得ることができることを示した。

関連論文リスト

• Planning as In-Painting: A Diffusion-Based Embodied Task Planning Framework for Environments under Uncertainty [56.30846158280031]
  具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。 In-paintingとしての計画」というタスク非依存の手法を提案する。 提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-02T10:07:17Z)
• Optimal task and motion planning and execution for human-robot multi-agent systems in dynamic environments [54.39292848359306]
  本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。 このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。 ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-03-27T01:50:45Z)
• SLOTH: Structured Learning and Task-based Optimization for Time Series Forecasting on Hierarchies [16.12477042879166]
  階層時系列(HTS)予測には2つのサブタスク、すなわち予測と和解が含まれる。 本稿では,トップダウン・コンボリューションとボトムアップ・アテンション(ボトムアップ・アテンション)という,新しいツリーベース機能統合機構を提案する。 強い仮定を頼りにするか、一貫性のある制約のみにフォーカスする従来の和解法とは異なり、我々はディープ・ニューラル・オプティマイゼーション・ネットワークを利用する。
  論文  参考訳（メタデータ） (2023-02-11T10:50:33Z)
• An Auction-based Coordination Strategy for Task-Constrained Multi-Agent Stochastic Planning with Submodular Rewards [7.419725234099728]
  既存のタスク調整アルゴリズムはプロセスを無視したり、計算強度に悩まされる。 新たに定式化されたスコア関数を用いた分散オークションベースのコーディネート戦略を提案する。 大規模アプリケーションの実装には,提案手法の近似変種,すなわちDeep Auctionも提案されている。
  論文  参考訳（メタデータ） (2022-12-30T10:25:25Z)
• Reinforcement Learning for Location-Aware Scheduling [1.0660480034605238]
  倉庫環境の様々な側面がパフォーマンスや実行の優先順位にどのように影響するかを示す。 位置認識型マルチエージェントシステムのための状態空間と動作空間のコンパクト表現を提案する。 また、特定の環境で訓練されたエージェントが、完全に見えない環境でパフォーマンスを維持する方法を示す。
  論文  参考訳（メタデータ） (2022-03-07T15:51:00Z)
• Hierarchically Structured Scheduling and Execution of Tasks in a Multi-Agent Environment [1.0660480034605238]
  倉庫環境では、タスクが動的に出現するので、早すぎると労働力にマッチするタスク管理システムは、必ずしも最適ではない。 本稿では,高レベルスケジューリング問題と低レベルマルチエージェント問題の両方を解決するために,深層強化学習を提案する。
  論文  参考訳（メタデータ） (2022-03-06T18:11:34Z)
• 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)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)
• Hierarchical Reinforcement Learning as a Model of Human Task Interleaving [60.95424607008241]
  我々は、強化学習によって駆動される監督制御の階層モデルを開発する。 このモデルは、タスクインターリービングの既知の経験的効果を再現する。 その結果、階層的RLがタスクインターリービングのもっともらしいモデルとして支持された。
  論文  参考訳（メタデータ） (2020-01-04T17:53:28Z)

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。