論文の概要: A Combination of Theta*, ORCA and Push and Rotate for Multi-agent Navigation

• arxiv url: http://arxiv.org/abs/2008.01227v1
• Date: Mon, 3 Aug 2020 22:22:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 06:59:21.649106
• Title: A Combination of Theta*, ORCA and Push and Rotate for Multi-agent Navigation
• Title（参考訳）: マルチエージェントナビゲーションのためのTheta*,ORCA,Push,Rotateの組み合わせ
• Authors: Stepan Dergachev and Konstantin Yakovlev and Ryhor Prakapovich
• Abstract要約: 集中制御器が存在しない場合の静的環境におけるマルチエージェントナビゲーションの問題点について検討する。 各エージェントは個別に制御され、目標を達成するために3つのアルゴリズムコンポーネントに依存します。
• 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: We study the problem of multi-agent navigation in static environments when no centralized controller is present. Each agent is controlled individually and relies on three algorithmic components to achieve its goal while avoiding collisions with the other agents and the obstacles: i) individual path planning which is done by Theta* algorithm; ii) collision avoidance while path following which is performed by ORCA* algorithm; iii) locally-confined multi-agent path planning done by Push and Rotate algorithm. The latter component is crucial to avoid deadlocks in confined areas, such as narrow passages or doors. We describe how the suggested components interact and form a coherent navigation pipeline. We carry out an extensive empirical evaluation of this pipeline in simulation. The obtained results clearly demonstrate that the number of occurring deadlocks significantly decreases enabling more agents to reach their goals compared to techniques that rely on collision-avoidance only and do not include multi-agent path planning component
• Abstract（参考訳）: 集中制御器が存在しない静的環境におけるマルチエージェントナビゲーションの問題について検討する。 各エージェントは個別に制御され、目標を達成するために3つのアルゴリズム的コンポーネントに依存し、他のエージェントや障害物との衝突を避けます。 i) Theta* アルゴリズムによりなされる個別の経路計画 二 ORCA*アルゴリズムによる経路の追従時の衝突回避 三 プッシュ・ローテーションアルゴリズムによる局所密閉マルチエージェント経路計画 後者の部品は狭い通路やドアのような狭い場所でのデッドロックを避けるために不可欠である。 提案するコンポーネントがどのように相互作用し、コヒーレントなナビゲーションパイプラインを形成するかを説明する。 シミュレーションにおいて,このパイプラインを広範囲に実験的に評価する。 その結果, 衝突回避のみに依存し, マルチエージェント経路計画成分を含まない手法と比較して, 発生したデッドロックの数が有意に減少することが明らかとなった。

関連論文リスト

• Optimal and Bounded Suboptimal Any-Angle Multi-agent Pathfinding [13.296796764344169]
  提案手法は,最初の最適非角度マルチエージェントパスフィンディングアルゴリズムである。 我々のプランナーは、Continuous Conflict-based Search (CCBS)アルゴリズムと、Safe Interval Path Planning (TO-AA-SIPP)の最適な任意の角度変種に基づいている。 古典的MAPFから任意の角度設定、すなわち Disjoint Splitting と Multi-Constraint への2つの手法を適用する。
  論文  参考訳（メタデータ） (2024-04-25T07:41:47Z)
• Scalable Mechanism Design for Multi-Agent Path Finding [87.40027406028425]
  MAPF (Multi-Agent Path Finding) は、複数のエージェントが同時に移動し、与えられた目標地点に向かって共有領域を通って衝突しない経路を決定する。 最適解を見つけることは、しばしば計算不可能であり、近似的な準最適アルゴリズムを用いることが不可欠である。 本稿では、MAPFのスケーラブルな機構設計の問題を紹介し、MAPFアルゴリズムを近似した3つの戦略防御機構を提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:26:04Z)
• Monte-Carlo Tree Search for Multi-Agent Pathfinding: Preliminary Results [60.4817465598352]
  マルチエージェントパスフィンディングに適したモンテカルロ木探索(MCTS)のオリジナル版を紹介する。 具体的には,エージェントの目標達成行動を支援するために,個別の経路を用いる。 また,木探索手順の分岐係数を低減するために,専用の分解手法を用いる。
  論文  参考訳（メタデータ） (2023-07-25T12:33:53Z)
• Communication-Critical Planning via Multi-Agent Trajectory Exchange [21.923724399511798]
  本稿では,統合マルチエージェント認識と計画の課題に対処する。 これは、コネクテッド・自動運転車の衝突のないナビゲーションという現実の課題に関連している。
  論文  参考訳（メタデータ） (2023-03-10T16:59:24Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Prioritized SIPP for Multi-Agent Path Finding With Kinematic Constraints [0.0]
  MAPF(Multi-Agent Path Finding)は、ロボティクスと人工知能における長年の問題である。 この問題をある程度緩和する手法を提案する。
  論文  参考訳（メタデータ） (2021-08-11T10:42:11Z)
• Multimodal Trajectory Prediction via Topological Invariance for Navigation at Uncontrolled Intersections [45.508973373913946]
  道路交差点において,信号機や信号機を使わずに複数の非通信的合理的エージェント間の分散ナビゲーションに着目した。 我々の重要な洞察は、交差点の幾何学的構造と、効率的に動くエージェントのインセンティブが衝突を避け(合理性)、起こりうる行動の空間を減少させるということである。 マルチエージェント交差点シーンにおける高次モードの軌道表現を再構成するデータ駆動型軌道予測機構であるMTPを設計する。
  論文  参考訳（メタデータ） (2020-11-08T02:56:42Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)
• Implicit Multiagent Coordination at Unsignalized Intersections via Multimodal Inference Enabled by Topological Braids [15.024091680310109]
  信号のない交差点における合理的な非コミュニケーションエージェント間のナビゲーションに焦点をあてる。 我々はトポロジカルブレイドの形式主義を用いてコンパクトで解釈可能な方法で共同行動のモードを表現する。 我々は,新たなマルチエージェント動作のモードにおける不確実性を低減するための行動を生成する分散計画アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-04-10T19:01:29Z)
• Tracking Road Users using Constraint Programming [79.32806233778511]
  本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。 提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
  論文  参考訳（メタデータ） (2020-03-10T00:04:32Z)

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。