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 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 [90.68703851865585]
MAPF (Multi-Agent Path Finding) は、複数のエージェントが特定の目標地点に向かって共有領域を同時に移動するための経路を決定する。
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,その対策として3つのメカニズムを提案する。
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) - DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in
Complex Environments [55.204450019073036]
本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。
本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。
ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
論文 参考訳(メタデータ) (2022-09-07T00:35:27Z) - 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) - MSCET: A Multi-Scenario Offloading Schedule for Biomedical Data
Processing and Analysis in Cloud-Edge-Terminal Collaborative Vehicular
Networks [11.27130249568938]
本稿では,Multi-Scenario offloading schedule for biomedical data processing and analysis in Cloud-Edge-Terminal collaborative vehicular network called MSCETを提案する。
また,提案したMSCETのパラメータを最適化してシステムの有用性を最大化するとともに,提案したMSCETを評価するために広範囲なシミュレーションを行い,MSCETが他の既存のスケジュールより優れていることを示す。
論文 参考訳(メタデータ) (2022-02-16T09:34:25Z) - 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) - Neural Architecture Search From Fr\'echet Task Distance [50.9995960884133]
与えられたベースラインタスクのセット内の対象タスクと各タスクの間の距離を、ターゲットタスクのニューラルネットワークアーキテクチャ検索スペースを減らすためにどのように使用できるかを示す。
タスク固有のアーキテクチャに対する検索空間の複雑さの低減は、このサイド情報を用いることなく完全な検索を行う代わりに、類似したタスクのために最適化されたアーキテクチャ上に構築することで達成される。
論文 参考訳(メタデータ) (2021-03-23T20:43:31Z) - Efficient Continuous Pareto Exploration in Multi-Task Learning [34.41682709915956]
本稿では,機械学習問題における最適解の連続解析手法を提案する。
サンプルベーススパース線形システムを提案することにより、現代の機械学習問題に対する多目的最適化の理論結果をスケールアップする。
論文 参考訳(メタデータ) (2020-06-29T23:36:20Z) - 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。