論文の概要: Multi-Robot Task Allocation -- Complexity and Approximation

• arxiv url: http://arxiv.org/abs/2103.12370v1
• Date: Tue, 23 Mar 2021 08:12:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-24 13:47:13.502617
• Title: Multi-Robot Task Allocation -- Complexity and Approximation
• Title（参考訳）: マルチロボットタスク割り当て -- 複雑さと近似
• Authors: Haris Aziz, Hau Chan, \'Agnes Cseh, Bo Li, Fahimeh Ramezani, Chenhao Wang
• Abstract要約: マルチロボットタスクアロケーションは、探索、救助、地域探索など、様々な現実世界のロボットアプリケーションに不可欠である。 単一タスクロボットとマルチロボットタスク 即時アサインメント(ST-MR-IA)では、各タスクに少なくとも1つのロボットが必要であり、各ロボットは1つのタスクで作業可能であり、各タスクに対して運用コストがかかる。
• 参考スコア（独自算出の注目度）: 37.231854068835005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-robot task allocation is one of the most fundamental classes of problems in robotics and is crucial for various real-world robotic applications such as search, rescue and area exploration. We consider the Single-Task robots and Multi-Robot tasks Instantaneous Assignment (ST-MR-IA) setting where each task requires at least a certain number of robots and each robot can work on at most one task and incurs an operational cost for each task. Our aim is to consider a natural computational problem of allocating robots to complete the maximum number of tasks subject to budget constraints. We consider budget constraints of three different kinds: (1) total budget, (2) task budget, and (3) robot budget. We provide a detailed complexity analysis including results on approximations as well as polynomial-time algorithms for the general setting and important restricted settings.
• Abstract（参考訳）: マルチロボットタスクアロケーションは、ロボット工学における最も基本的な問題の1つであり、探索、救助、地域探索といった様々な現実世界のロボットアプリケーションに不可欠である。 単一タスクロボットとマルチロボットタスク 即時アサインメント(ST-MR-IA)では、各タスクが少なくとも1つのロボットを必要とし、各ロボットは1つのタスクで作業でき、各タスクに対して運用コストがかかる。 本研究の目的は,予算制約に係わるタスクの最大数をロボットに割り当てる自然計算問題を検討することである。 本研究では,(1)総予算,(2)タスク予算,(3)ロボット予算の3種類の予算制約について考察する。 一般設定と重要な制限設定のための多項式時間アルゴリズムと同様に近似結果を含む詳細な複雑性解析を提供する。

関連論文リスト

• $\textbf{EMOS}$: $\textbf{E}$mbodiment-aware Heterogeneous $\textbf{M}$ulti-robot $\textbf{O}$perating $\textbf{S}$ystem with LLM Agents [33.77674812074215]
  異種ロボット間の効果的な協調を実現するための新しいマルチエージェントフレームワークを提案する。 エージェントがロボットURDFファイルを理解し、ロボットキネマティクスツールを呼び出し、その物理能力の記述を生成する。 Habitat-MASベンチマークは、マルチエージェントフレームワークがエンボディメント認識推論を必要とするタスクをどのように処理するかを評価するように設計されている。
  論文  参考訳（メタデータ） (2024-10-30T03:20:01Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Task Allocation using a Team of Robots [29.024300177453824]
  本稿では、よく研究されている複数のバージョンを一般化するタスク割り当て問題の一般的な定式化について述べる。 我々の定式化には、ロボット、タスク、そしてそれらが動作する環境の状態が含まれる。 本稿では,実現可能性制約,目的関数,動的に変化する情報のレベルによって,その問題がどう変化するかを説明する。
  論文  参考訳（メタデータ） (2022-07-20T04:49:11Z)
• Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
  多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。 本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。 我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
  論文  参考訳（メタデータ） (2021-09-19T18:00:51Z)
• Towards Coordinated Robot Motions: End-to-End Learning of Motion Policies on Transform Trees [63.31965375413414]
  人間による実証から構造化政策を学習し、マルチタスクの課題解決を提案します。 我々の構造化ポリシーは、異なる空間におけるサブタスクポリシーを組み合わせるためのフレームワークであるRMPflowにインスパイアされている。 マルチタスク問題に適したエンドツーエンドの学習目標関数を導き出します。
  論文  参考訳（メタデータ） (2020-12-24T22:46:22Z)
• Enabling human-like task identification from natural conversation [7.00597813134145]
  我々は,NLPエンジンとプランナを組み合わせた非自明な手法を提案し,ロボットがタスクと関連するパラメータをすべて識別し,タスクの正確な計画を生成する。 この研究は、ロボットにおける人間のようなタスク理解能力の実現に向けて、大きな一歩を踏み出した。
  論文  参考訳（メタデータ） (2020-08-23T17:19:23Z)
• Optimal Sequential Task Assignment and Path Finding for Multi-Agent Robotic Assembly Planning [42.38068056643171]
  本研究では,タスク間優先制約のあるアプリケーションにおいて,ロボットの大規模チームに対する逐次的タスク割り当てと衝突のないルーティングの問題について検討する。 本稿では,その問題に対する等間隔最適解を計算するための階層的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-16T00:45:07Z)

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。