論文の概要: An Integrated Dynamic Method for Allocating Roles and Planning Tasks for Mixed Human-Robot Teams

• arxiv url: http://arxiv.org/abs/2105.12031v1
• Date: Tue, 25 May 2021 16:10:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-26 13:55:43.293818
• Title: An Integrated Dynamic Method for Allocating Roles and Planning Tasks for Mixed Human-Robot Teams
• Title（参考訳）: 人間とロボットの混合チームにおける役割と計画タスクを割り当てる統合動的手法
• Authors: Fabio Fusaro (1 and 2), Edoardo Lamon (1), Elena De Momi (2), Arash Ajoudani (1) ((1) Human-Robot Interfaces and physical Interaction, Istituto Italiano di Tecnologia, Genoa, Italy, (2) Department of Electronics, Information and Bioengineering, Politecnico di Milano Politecnico di Milano, Milan, Italy)
• Abstract要約: 本稿では,混合ロボットチームにおけるタスクの計画と割当のための新しい統合的動的手法を提案する。 振舞いツリーの定式化は、時間的制約と論理的制約のある異なるタスクの複合体として単一のジョブをエンコードすることを可能にする。
• 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: This paper proposes a novel integrated dynamic method based on Behavior Trees for planning and allocating tasks in mixed human robot teams, suitable for manufacturing environments. The Behavior Tree formulation allows encoding a single job as a compound of different tasks with temporal and logic constraints. In this way, instead of the well-studied offline centralized optimization problem, the role allocation problem is solved with multiple simplified online optimization sub-problem, without complex and cross-schedule task dependencies. These sub-problems are defined as Mixed-Integer Linear Programs, that, according to the worker-actions related costs and the workers' availability, allocate the yet-to-execute tasks among the available workers. To characterize the behavior of the developed method, we opted to perform different simulation experiments in which the results of the action-worker allocation and computational complexity are evaluated. The obtained results, due to the nature of the algorithm and to the possibility of simulating the agents' behavior, should describe well also how the algorithm performs in real experiments.
• Abstract（参考訳）: 本稿では,生産環境に適した混合ロボットチームにおけるタスクの計画と割当のための行動木に基づく新しい統合動的手法を提案する。 ビヘイビアツリーの定式化により、1つのジョブを時間的および論理的な制約のある異なるタスクの複合としてエンコードすることができる。 このように、よく研究されているオフライン集中最適化問題の代わりに、複雑なタスク依存やクロススケジュールタスク依存を伴わずに、複数の簡易オンライン最適化サブプロブレムでロール割り当て問題を解く。 これらのサブプロブレムは混合整数線形プログラムとして定義され、ワーカー-アクションに関連するコストとワーカーの可用性に応じて、利用可能なワーカー間で実行中のタスクを割り当てる。 提案手法の動作を特徴付けるために,アクション・ワーカー割当の結果と計算複雑性を評価する異なるシミュレーション実験を行うことを選択した。 得られた結果は,アルゴリズムの性質とエージェントの動作をシミュレートする可能性から,実実験においてアルゴリズムがどのように機能するかをうまく記述する必要がある。

関連論文リスト

• A Two-stage Reinforcement Learning-based Approach for Multi-entity Task Allocation [27.480892280342417]
  意思決定者は、さまざまなシナリオで合理的にエンティティをタスクに割り当てなければならない。 従来のメソッドは静的な属性とタスクやエンティティの数を前提としており、しばしば動的プログラミングとソリューションのアルゴリズムに依存している。 類似性に基づく2段階のタスク割り当てアルゴリズムを提案し、強化学習を利用してアロケーション戦略を学習する。
  論文  参考訳（メタデータ） (2024-06-29T17:13:44Z)
• Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
  複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。 このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
  論文  参考訳（メタデータ） (2024-02-20T11:03:36Z)
• Multi-agricultural Machinery Collaborative Task Assignment Based on Improved Genetic Hybrid Optimization Algorithm [0.0]
  本研究では,改良された遺伝的ハイブリッド最適化アルゴリズムに基づくマルチ農業機械協調タスク割り当て手法を提案する。 開発されたハイブリッドアルゴリズムは、パスコストを効果的に低減し、代入結果の効率は古典的な遺伝的アルゴリズムのそれを上回る。
  論文  参考訳（メタデータ） (2023-12-07T12:42:40Z)
• Optimal task and motion planning and execution for human-robot multi-agent systems in dynamic environments [54.39292848359306]
  本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。 このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。 ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-03-27T01:50:45Z)
• A Unified Architecture for Dynamic Role Allocation and Collaborative Task Planning in Mixed Human-Robot Teams [0.0]
  任意のサイズの混合ロボットチームにおいて,動的役割割り当てと協調作業計画のための新しいアーキテクチャを提案する。 このアーキテクチャは、動作木(BT)に基づく集中型リアクティブかつモジュール型タスク非依存の計画手法を基盤としている。 MILPコストとして使用されるさまざまなメトリクスにより、アーキテクチャはコラボレーションの様々な側面を好むことができる。
  論文  参考訳（メタデータ） (2023-01-19T12:30:56Z)
• Inferring Versatile Behavior from Demonstrations by Matching Geometric Descriptors [72.62423312645953]
  人間は直感的にタスクを多目的に解決し、軌道に基づく計画や個々のステップの行動を変化させる。 現在のImitation Learningアルゴリズムは、通常、単調な専門家によるデモンストレーションのみを考慮し、状態アクションベースの設定で行動する。 代わりに、移動プリミティブの混合と分布マッチングの目的を組み合わせることで、専門家の行動と汎用性にマッチする多目的行動を学ぶ。
  論文  参考訳（メタデータ） (2022-10-17T16:42:59Z)
• Distributed Mission Planning of Complex Tasks for Heterogeneous Multi-Robot Teams [2.329625852490423]
  異種多ロボットチームのための複雑なミッション計画のための分散多段階最適化手法を提案する。 提案手法は、ミッション目標を定義する階層木として表される、ミッションの多目的探索を含む。 提案手法は,利用可能なロボットと与えられた最適化基準に応じて,計画戦略に適応する能力を示す。
  論文  参考訳（メタデータ） (2021-09-21T11:36:11Z)
• Distributed Allocation and Scheduling of Tasks with Cross-Schedule Dependencies for Heterogeneous Multi-Robot Teams [2.294915015129229]
  本稿では,異なるロボットのタスクが時間的・優先的な制約に強く結びついているミッションに対して,タスク割り当てとスケジューリングを行うアルゴリズムを提案する。 マルチロボットシステムによって維持される温室の実用ユースケースへの計画手順の適用。
  論文  参考訳（メタデータ） (2021-09-07T13:44:28Z)
• A Two-stage Framework and Reinforcement Learning-based Optimization Algorithms for Complex Scheduling Problems [54.61091936472494]
  本稿では、強化学習(RL)と従来の運用研究(OR)アルゴリズムを組み合わせた2段階のフレームワークを開発する。 スケジューリング問題は,有限マルコフ決定過程 (MDP) と混合整数計画過程 (mixed-integer programming process) の2段階で解決される。 その結果,本アルゴリズムは,アジャイルな地球観測衛星スケジューリング問題に対して,安定かつ効率的に十分なスケジューリング計画を得ることができた。
  論文  参考訳（メタデータ） (2021-03-10T03:16:12Z)
• CausalWorld: A Robotic Manipulation Benchmark for Causal Structure and Transfer Learning [138.40338621974954]
  CausalWorldは、ロボット操作環境における因果構造と伝達学習のベンチマークである。 タスクは、ブロックのセットから3D形状を構築することで構成される。
  論文  参考訳（メタデータ） (2020-10-08T23:01:13Z)
• 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。

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。