論文の概要: Explanation Generation for Multi-Modal Multi-Agent Path Finding with
Optimal Resource Utilization using Answer Set Programming
- arxiv url: http://arxiv.org/abs/2008.03573v1
- Date: Sat, 8 Aug 2020 18:34:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 12:13:32.050248
- Title: Explanation Generation for Multi-Modal Multi-Agent Path Finding with
Optimal Resource Utilization using Answer Set Programming
- Title（参考訳）: Answer Set Programming を用いた最適資源利用によるマルチモーダルマルチエージェントパスの探索生成
- Authors: Aysu Bogatarkan and Esra Erdem
- Abstract要約: mMAPFの実際の応用には柔軟性と説明性が必要である。
本稿では,ソリューションの実現可能性と最適性に関する質問に対する説明を生成する手法を提案する。
- 参考スコア（独自算出の注目度）: 1.7132914341329848
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The multi-agent path finding (MAPF) problem is a combinatorial search problem
that aims at finding paths for multiple agents (e.g., robots) in an environment
(e.g., an autonomous warehouse) such that no two agents collide with each
other, and subject to some constraints on the lengths of paths. We consider a
general version of MAPF, called mMAPF, that involves multi-modal transportation
modes (e.g., due to velocity constraints) and consumption of different types of
resources (e.g., batteries). The real-world applications of mMAPF require
flexibility (e.g., solving variations of mMAPF) as well as explainability. Our
earlier studies on mMAPF have focused on the former challenge of flexibility.
In this study, we focus on the latter challenge of explainability, and
introduce a method for generating explanations for queries regarding the
feasibility and optimality of solutions, the nonexistence of solutions, and the
observations about solutions. Our method is based on answer set programming.
This paper is under consideration for acceptance in TPLP.
- Abstract（参考訳）: MAPF問題(Multi-agent path find)は、複数のエージェント(例えば、自律倉庫など)が互いに衝突しない環境(例えば、自律倉庫)において、複数のエージェント(例えば、ロボット)の経路を見つけることを目的とした組合せ探索問題である。
MAPFの一般的なバージョンであるmMAPFは、マルチモーダル輸送モード(例えば、速度制約による)と異なるタイプの資源(例えば、電池)の消費を含む。
mMAPFの実際の応用には柔軟性(例えばmMAPFのバリエーションの解決)と説明可能性が必要である。
mMAPFに関する以前の研究は、かつての柔軟性の課題に焦点を合わせてきた。
本研究では,説明可能性に関する後者の課題に焦点をあて,解の実現性と最適性,解の非存在,解の観察に関する質問に対する説明を生成する手法を提案する。
我々の手法は応答集合プログラミングに基づいている。
本論文はTPLPの受容について検討中である。
関連論文リスト
- AQA: Adaptive Question Answering in a Society of LLMs via Contextual Multi-Armed Bandit [59.10281630985958]
質問応答(QA)では、異なる質問を異なる回答戦略で効果的に扱うことができる。
本稿では,各質問に対して最適なQA戦略を適応的に選択する動的手法を提案する。
提案手法は,複数のモジュールを持つQAシステムの適応的オーケストレーションに有効であることを示す。
論文 参考訳（メタデータ） (2024-09-20T12:28:18Z) - Multi-LLM QA with Embodied Exploration [55.581423861790945]
未知環境における質問応答におけるマルチエンボディードLEMエクスプローラ(MELE)の利用について検討する。
複数のLSMベースのエージェントが独立して家庭用環境に関する質問を探索し、回答する。
各問合せに対して1つの最終回答を生成するために,異なるアグリゲーション手法を解析する。
論文 参考訳（メタデータ） (2024-06-16T12:46:40Z) - UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。
重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。
学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文 参考訳（メタデータ） (2024-05-01T09:34:42Z) - Ensembling Prioritized Hybrid Policies for Multi-agent Pathfinding [18.06081009550052]
MARL(Multi-Agent Reinforcement Learning)をベースとしたMAPF(Multi-Agent Path Finding)が最近注目されている。
いくつかのMARL-MAPFメソッドは、あるエージェントが知覚できる情報を豊かにするためにコミュニケーションを使用する。
優先度付きハイブリッドポリシ(EPH)を組み込む新しい手法を提案する。
論文 参考訳（メタデータ） (2024-03-12T11:47:12Z) - 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) - Why Solving Multi-agent Path Finding with Large Language Model has not
Succeeded Yet [31.253063077167617]
我々はマルチエージェント経路探索(MAPF)の問題に焦点をあて、マルチロボット経路計画(multi-robot route planning)とも呼ばれる。
障害物のない空の部屋マップ上でのモチベーションの成功を示すとともに、標準MAPFベンチマークのより難しい部屋マップと迷路マップの計画に失敗することを示す。
論文 参考訳（メタデータ） (2024-01-08T02:22:04Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - POGEMA: Partially Observable Grid Environment for Multiple Agents [64.88759709443819]
POGEMAは、部分的に観測可能なマルチエージェントパスフィンディング(PO-MAPF)問題に挑戦するためのサンドボックスである。
様々なPO-MAPFに合わせることができ、プランニングと学習のための優れた試験場として機能する。
論文 参考訳（メタデータ） (2022-06-22T09:39:50Z) - Flexible and Explainable Solutions for Multi-Agent Path Finding Problems [0.0]
MAPFの現実的な応用には、柔軟性(MAPFのバリエーションの解決など)と説明可能性が必要である。
本研究では,これらの課題に対処し,MAPFとその変種に対するフレキシブルで説明可能なソリューションを紹介した。
論文 参考訳（メタデータ） (2021-09-17T01:50:01Z) - Decentralised Approach for Multi Agent Path Finding [6.599344783327053]
MAPF (Multi Agent Path Finding) は、空間的に拡張されたエージェントに対する競合のない経路の同定を必要とする。
これらは、Convoy Movement ProblemやTraning Schedulingといった現実世界の問題に適用できる。
提案手法であるDecentralized Multi Agent Path Finding (DeMAPF) は、MAPFを経路計画と割り当ての問題の系列として扱う。
論文 参考訳（メタデータ） (2021-06-03T18:07:26Z) - Compilation-based Solvers for Multi-Agent Path Finding: a Survey,
Discussion, and Future Opportunities [7.766921168069532]
このトピックの過去の発展と現在の傾向から学んだ教訓を示し、その広範な影響について議論します。
最適MAPF解決のための2つの主要なアプローチは、(1)MAPFを直接解決する専用の検索ベース手法、(2)MAPFインスタンスを異なる確立された形式でインスタンスに還元するコンパイルベース手法である。
論文 参考訳（メタデータ） (2021-04-23T20:13:12Z)
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。