Fugu-MT 論文翻訳(概要): Dynamic Multi-Agent Path Finding based on Conflict Resolution using Answer Set Programming

論文の概要: Dynamic Multi-Agent Path Finding based on Conflict Resolution using Answer Set Programming

arxiv url: http://arxiv.org/abs/2009.10249v1
Date: Tue, 22 Sep 2020 00:50:35 GMT
ステータス: 処理完了
システム内更新日: 2022-10-15 23:19:47.025307
Title: Dynamic Multi-Agent Path Finding based on Conflict Resolution using Answer Set Programming
Title（参考訳）: Answer Set Programming を用いた競合解決に基づく動的マルチエージェントパス探索
Authors: Basem Atiq (Sabanci University), Volkan Patoglu (Sabanci University), Esra Erdem (Sabanci University)
Abstract要約: 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。
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 a dynamic version of multi-agent path finding problem (called D-MAPF) where existing agents may leave and new agents may join the team at different times. We introduce a new method to solve D-MAPF based on conflict-resolution. The idea is, when a set of new agents joins the team and there are conflicts, instead of replanning for the whole team, to replan only for a minimal subset of agents whose plans conflict with each other. We utilize answer set programming as part of our method for planning, replanning and identifying minimal set of conflicts.
Abstract（参考訳）: 既存のエージェントが離脱し、新しいエージェントがチームに異なるタイミングで参加できる、マルチエージェントパス探索問題の動的バージョン(D-MAPF)について検討する。コンフリクト分解能に基づく新しいD-MAPF法を提案する。アイデアは、新しいエージェントのセットがチームに加わり、チーム全体の再計画ではなく、対立がある場合、計画が互いに衝突する最小限のエージェントに対してのみ再計画する、というものだ。我々は,最小限のコンフリクトを計画,再計画,識別するための手法の一部として,解集合プログラミングを利用する。

関連論文リスト

Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
本稿では,高速なタスク分解とアロケーションプロセスを活用するマルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークを提案する。提案フレームワークにフィードバックループを組み込んで,そのような問題解決プロセスの有効性と堅牢性をさらに向上させる。
論文参考訳（メタデータ） (2024-10-03T04:07:51Z)
Decentralized Monte Carlo Tree Search for Partially Observable Multi-agent Pathfinding [49.730902939565986]
マルチエージェントパスフィンディング問題は、グラフに閉じ込められたエージェントのグループに対するコンフリクトフリーパスのセットを見つけることである。本研究では、エージェントが他のエージェントをローカルにのみ観察できる分散MAPF設定に焦点を当てた。 MAPFタスクのための分散マルチエージェントモンテカルロ木探索法を提案する。
論文参考訳（メタデータ） (2023-12-26T06:57:22Z)
A Dynamic LLM-Powered Agent Network for Task-Oriented Agent Collaboration [55.35849138235116]
本稿では,様々なタスクやドメインに対する動的コミュニケーション構造において,候補からエージェントのチームを自動的に選択する手法を提案する。具体的には, LLMを利用したエージェント協調のための動的LLMパワーエージェントネットワーク(textDyLAN$)というフレームワークを構築した。我々は、コード生成、意思決定、一般的な推論、算術的推論タスクにおいて、適度な計算コストで、DyLANが強力なベースラインを上回ることを実証する。
論文参考訳（メタデータ） (2023-10-03T16:05:48Z)
Learn to Follow: Decentralized Lifelong Multi-agent Pathfinding via Planning and Learning [46.354187895184154]
マルチエージェントパスフィンディング(MAPF)問題は通常、グラフに制限されたエージェントの集合に対する競合のないパスの集合を見つけるよう要求する。本研究では,エージェントの位置や目標に関する情報をすべて収集する中央制御器が存在しない場合の分散MAPF設定について検討する。我々は,先行するエージェントに新たな目標を連続的に割り当てることを含むMAPFの実用上重要な寿命変化に焦点をあてる。
論文参考訳（メタデータ） (2023-10-02T13:51:32Z)
Fault-Tolerant Offline Multi-Agent Path Planning [5.025654873456756]
本研究では,複数のエージェントが実行時にクラッシュする可能性のある新しいグラフパス計画問題について検討し,ワークスペースの一部をブロックする。我々の設定では、エージェントは隣のクラッシュしたエージェントを検出し、実行時に後続のパスを変更することができる。その目的は、各エージェントに対して一連のパスを作成し、ルールを切り替えることであり、すべての正しいエージェントが衝突やデッドロックなしで目的地に到達することを保証することである。
論文参考訳（メタデータ） (2022-11-25T05:58:32Z)
Multi-agent Deep Covering Skill Discovery [50.812414209206054]
本稿では,複数エージェントの結合状態空間の予測被覆時間を最小化し,マルチエージェントオプションを構築するマルチエージェントDeep Covering Option Discoveryを提案する。また、MARLプロセスにマルチエージェントオプションを採用するための新しいフレームワークを提案する。提案アルゴリズムは,アテンション機構とエージェントの相互作用を効果的に把握し,マルチエージェントオプションの同定に成功した。
論文参考訳（メタデータ） (2022-10-07T00:40:59Z)
Optimal Multi-Agent Path Finding for Precedence Constrained Planning Tasks [0.7742297876120561]
我々は,PC-MAPF (Precedence Constrained Multi-Agent Path Finding) 問題の拡張について検討する。そこで我々は,PC-CBS (Precedence Constrained Conflict Based Search) という新しいアルゴリズムを提案する。本アルゴリズムは, 各種倉庫集合体, マルチエージェントピックアップ, 配送タスクに対して性能をベンチマークし, 最近提案された効率的なベースラインのサブ最適性を評価する。
論文参考訳（メタデータ） (2022-02-08T07:26:45Z)
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)
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)
MS*: A New Exact Algorithm for Multi-agent Simultaneous Multi-goal Sequencing and Path Finding [10.354181009277623]
監視やロジスティクスといったマルチエージェントアプリケーションでは、多数のモバイルエージェントが協調し、多数の目標地点を安全に訪問することがしばしば期待されている。本稿では、このマルチエージェント問題に対する最適解を計算するMS*と呼ばれる新しいアルゴリズムを紹介します。計算結果から,提案アルゴリズムは標準ラップトップ上でのCPU時間1分で20エージェント,50ゴールのマルチエージェント問題を解くことができることがわかった。
論文参考訳（メタデータ） (2021-03-18T01:57:35Z)
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)

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。