論文の概要: An Extension of BIM Using AI: a Multi Working-Machines Pathfinding
Solution
- arxiv url: http://arxiv.org/abs/2105.06635v1
- Date: Fri, 14 May 2021 04:13:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 22:27:55.203872
- Title: An Extension of BIM Using AI: a Multi Working-Machines Pathfinding
Solution
- Title(参考訳): aiを用いたbimの拡張:マルチマシンパス検索ソリューション
- Authors: Yusheng Xiang, Kailun Liu, Tianqing Su, Jun Li, Shirui Ouyang, Samuel
S. Mao, Marcus Geimer
- Abstract要約: 最先端のマルチパスファインディングアルゴリズムに基づくアルゴリズムを提案し、膨大な数の機械連携を可能にします。
我々のアルゴリズムの最も広範な特徴は、建設現場で緊急を乗り越えるための経路を迅速に再設計できることです。
- 参考スコア(独自算出の注目度): 3.8024712205340574
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi working-machines pathfinding solution enables more mobile machines
simultaneously to work inside of a working site so that the productivity can be
expected to increase evolutionary. To date, the potential cooperation conflicts
among construction machinery limit the amount of construction machinery
investment in a concrete working site. To solve the cooperation problem, civil
engineers optimize the working site from a logistic perspective while computer
scientists improve pathfinding algorithms' performance on the given benchmark
maps. In the practical implementation of a construction site, it is sensible to
solve the problem with a hybrid solution; therefore, in our study, we proposed
an algorithm based on a cutting-edge multi-pathfinding algorithm to enable the
massive number of machines cooperation and offer the advice to modify the
unreasonable part of the working site in the meantime. Using the logistic
information from BIM, such as unloading and loading point, we added a
pathfinding solution for multi machines to improve the whole construction
fleet's productivity. In the previous study, the experiments were limited to no
more than ten participants, and the computational time to gather the solution
was not given; thus, we publish our pseudo-code, our tested map, and benchmark
our results. Our algorithm's most extensive feature is that it can quickly
replan the path to overcome the emergency on a construction site.
- Abstract(参考訳): マルチワーキングマシンのパスファインディングソリューションにより、より多くのモバイルマシンが作業現場内で同時に動作し、生産性が進化を加速することを期待できる。
現在、建設機械間の潜在的な協力の衝突は、コンクリート工事現場における建設機械投資の量を制限している。
協調問題を解決するため、土木技術者はロジスティックな視点から作業現場を最適化し、コンピュータ科学者は与えられたベンチマークマップにおけるパスファインディングアルゴリズムの性能を向上させる。
そこで本研究では, 多数の機械の協調を可能とし, その間, 作業場の不適切な部分を修正するためのアドバイスを提供する, 最先端のマルチパスフィニングアルゴリズムに基づくアルゴリズムを提案する。
アンローディングやローディングポイントなどのBIMからのロジスティック情報を用いて,建設車両全体の生産性を向上させるために,マルチマシンのためのパスフィニングソリューションを追加した。
前回の研究では、実験は10人未満に限られており、解の収集に要する計算時間は与えられていなかったので、擬似コード、テストマップ、結果のベンチマークを公開しました。
我々のアルゴリズムの最も広範な特徴は、建設現場で緊急を乗り越えるための経路を迅速に再設計できることです。
関連論文リスト
- A Multiagent Path Search Algorithm for Large-Scale Coalition Structure Generation [61.08720171136229]
結合構造生成はマルチエージェントシステムにおける基本的な計算問題である。
我々はCSGの多エージェントパス探索アルゴリズムであるSALDAEを開発し、連立構造グラフ上で運用する。
論文 参考訳(メタデータ) (2025-02-14T15:21:27Z) - OPMOS: Ordered Parallel Multi-Objective Shortest-Path [0.7864304771129751]
MOS(Multi-Objective Shortest-Path)問題は、スタートノードからマルチ属性グラフの宛先ノードへのパレート最適解の集合を見つける。
一般化されたMOSアルゴリズムは、各ノードで部分経路の「フロンティア」を維持し、順序付けられた処理を実行する。
ここで提案されているOPMOSフレームワークは、順序付けられた並列性を解放し、MOS内の複数のパスの同時実行を効率的に活用する。
論文 参考訳(メタデータ) (2024-11-25T18:53:49Z) - 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) - Multi-Agent Path Finding with Real Robot Dynamics and Interdependent Tasks for Automated Warehouses [1.2810395420131764]
MAPF(Multi-Agent Path Finding)は、自動倉庫や工場にロボットを配置する際の重要な最適化問題である。
ロボットの群れが各注文の商品を棚からワークステーションに届ける倉庫において、オンラインでの注文配達の現実的な問題を考える。
これにより、相互依存型ピックアップおよびデリバリタスクのストリームが生成され、関連するMAPF問題は、現実的な衝突のないロボット軌道の計算によって構成される。
論文 参考訳(メタデータ) (2024-08-26T15:13:38Z) - A Conflict-Aware Optimal Goal Assignment Algorithm for Multi-Robot
Systems [6.853165736531941]
マルチロボットアプリケーションは、衝突のない経路を確保しながら、各ロボットにユニークな目標を割り当てることを目的としている。
そこで本研究では,次の最適な割り当てを計算するための効率的な競合誘導手法を提案する。
複数のベンチマークワークスペース上で,最大100個のロボットに対して,我々のアルゴリズムを広範囲に評価した。
論文 参考訳(メタデータ) (2024-02-19T19:04:19Z) - 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) - Contribution \`a l'Optimisation d'un Comportement Collectif pour un
Groupe de Robots Autonomes [0.0]
この論文は集団ロボット工学の分野、特にマルチロボットシステムの最適化問題を研究している。
最初の貢献は、未知領域探索問題の解決にButterfly Algorithm Optimization (BOA) を用いることである。
第2の貢献は、ロボット工学における動的増分問題をベンチマークするための新しいシミュレーションフレームワークの開発である。
論文 参考訳(メタデータ) (2023-06-10T21:49:08Z) - Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。
シミュレーションに基づくMAPプログラムの概要を述べる。
我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文 参考訳(メタデータ) (2022-08-17T23:03:54Z) - On a class of geodesically convex optimization problems solved via
Euclidean MM methods [50.428784381385164]
ユークリッド凸化関数の違いは、統計学と機械学習の異なるタイプの問題の違いとして記述できることを示す。
最終的に、より広い範囲、より広い範囲の作業を支援するのです。
論文 参考訳(メタデータ) (2022-06-22T23:57:40Z) - End-to-End Constrained Optimization Learning: A Survey [69.22203885491534]
機械学習アーキテクチャとソルバと最適化手法を統合する作業の調査に焦点を当てている。
これらのアプローチは、問題に対する迅速、近似、構造的、解決策を予測し、論理的推論を可能にする新しいハイブリッド機械学習と最適化手法を開発することを約束します。
論文 参考訳(メタデータ) (2021-03-30T14:19:30Z)
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。