論文の概要: Multi-objective Conflict-based Search Using Safe-interval Path Planning
- arxiv url: http://arxiv.org/abs/2108.00745v1
- Date: Mon, 2 Aug 2021 09:42:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-03 15:09:00.927657
- Title: Multi-objective Conflict-based Search Using Safe-interval Path Planning
- Title（参考訳）: 安全区間計画を用いた多目的衝突探索
- Authors: Zhongqiang Ren, Sivakumar Rathinam and Howie Choset
- Abstract要約: 低レベル探索のための新しい多目的セーフインターバルパス計画法 (MO-SIPP) アルゴリズムを利用するMO-CBS(Multi-objective conflict-based search)を提案する。
我々は, 平均低レベル探索時間において, 等級が大幅に改善されていることを示すために, 広範囲な数値計算結果を示す。
また,建設現場計画における提案アルゴリズムの適用可能性を示すケーススタディも提示する。
- 参考スコア（独自算出の注目度）: 10.354181009277623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses a generalization of the well known multi-agent path
finding (MAPF) problem that optimizes multiple conflicting objectives
simultaneously such as travel time and path risk. This generalization, referred
to as multi-objective MAPF (MOMAPF), arises in several applications ranging
from hazardous material transportation to construction site planning. In this
paper, we present a new multi-objective conflict-based search (MO-CBS) approach
that relies on a novel multi-objective safe interval path planning (MO-SIPP)
algorithm for its low-level search. We first develop the MO-SIPP algorithm,
show its properties and then embed it in MO-CBS. We present extensive numerical
results to show that (1) there is an order of magnitude improvement in the
average low level search time, and (2) a significant improvement in the success
rates of finding the Pareto-optimal front can be obtained using the proposed
approach in comparison with the state of the art. Finally, we also provide a
case study to demonstrate the potential application of the proposed algorithms
for construction site planning.
- Abstract（参考訳）: 本稿では,旅行時間や経路リスクなど複数の競合目標を同時に最適化する,よく知られたマルチエージェント経路探索(mapf)問題の一般化について述べる。
この一般化は多目的MAPF (MOMAPF) と呼ばれ、有害物質輸送から建設現場計画まで、いくつかの応用で実現されている。
本稿では,その低レベル探索のための新しいマルチオブジェクトセーフインターバルパス計画(MO-SIPP)アルゴリズムに依存する,新しいマルチオブジェクトコンフリクトベースサーチ(MO-CBS)を提案する。
まずmo-sippアルゴリズムを開発し,その特性を示し,mo-cbsに組み込む。
その結果,(1)平均低レベルの探索時間には桁違いに改善がみられ,(2)パレートオプティカルフロントの探索成功率の大幅な向上が,アートの状況と比較して提案手法を用いて得られた。
最後に,建設現場計画における提案アルゴリズムの適用可能性を示すケーススタディを提案する。
関連論文リスト
- UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。
重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。
学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文 参考訳（メタデータ） (2024-05-01T09:34:42Z) - MGCBS: An Optimal and Efficient Algorithm for Solving Multi-Goal Multi-Agent Path Finding Problem [5.580214316179672]
MG-MAPF問題は、各エージェントが少なくとも1回は衝突することなく、予め割り当てられた複数のゴールポイントを訪問する必要がある。
そこで本研究では,単一エージェントパスフィンディング(Single-Adnt pathfinding)とセーフ区間探索(Single-Adnt pathfinding)の分離に基づくMulti-Goal Conflict-Based Search (MGCBS)を提案する。
提案手法は, 常に最適な結果を得ることができ, 評価において最先端の手法よりも最大7倍高速に実行することができる。
論文 参考訳（メタデータ） (2024-04-30T12:49:54Z) - Ensembling Prioritized Hybrid Policies for Multi-agent Pathfinding [18.06081009550052]
MARL(Multi-Agent Reinforcement Learning)をベースとしたMAPF(Multi-Agent Path Finding)が最近注目されている。
いくつかのMARL-MAPFメソッドは、あるエージェントが知覚できる情報を豊かにするためにコミュニケーションを使用する。
優先度付きハイブリッドポリシ(EPH)を組み込む新しい手法を提案する。
論文 参考訳（メタデータ） (2024-03-12T11:47:12Z) - Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。
シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
論文 参考訳（メタデータ） (2022-09-15T07:22:58Z) - A Novel Long-term Iterative Mining Scheme for Video Salient Object
Detection [54.53335983750033]
短期的方法論は視覚システムの実際のメカニズムと矛盾する。
そこで本研究では,VSOD を長期にわたって実施する新しい VSOD アプローチを提案する。
提案手法は、広く使用されている5つのベンチマークデータセットにおいて、ほぼ全てのSOTAモデルより優れている。
論文 参考訳（メタデータ） (2022-06-20T04:27:47Z) - Recent Advances in Embedding Methods for Multi-Object Tracking: A Survey [71.10448142010422]
マルチオブジェクトトラッキング(MOT)は、動画フレーム全体で対象物を関連付け、移動軌道全体を取得することを目的としている。
埋め込み法はMOTにおける物体の位置推定と時間的同一性関連において重要な役割を担っている。
まず 7 つの異なる視点からMOT への埋め込み手法の奥行き解析による包括的概要を述べる。
論文 参考訳（メタデータ） (2022-05-22T06:54:33Z) - CTRMs: Learning to Construct Cooperative Timed Roadmaps for Multi-agent
Path Planning in Continuous Spaces [20.389416558418382]
協調時間ロードマップ(CTRM)と呼ばれる新しいロードマップの概念を提案する。
CTRMは、エージェント同士の衝突を避けるために、他のエージェントの振る舞いを考慮する方法で、潜在的な溶液経路の周りの重要な位置に集中することができる。
我々は、関連する問題事例と妥当なソリューションのコレクションから生成モデルを学習する機械学習アプローチを開発した。
論文 参考訳（メタデータ） (2022-01-24T05:43:59Z) - A survey on multi-objective hyperparameter optimization algorithms for
Machine Learning [62.997667081978825]
本稿では,多目的HPOアルゴリズムに関する2014年から2020年にかけての文献を体系的に調査する。
メタヒューリスティック・ベース・アルゴリズムとメタモデル・ベース・アルゴリズム,および両者を混合したアプローチを区別する。
また,多目的HPO法と今後の研究方向性を比較するための品質指標についても論じる。
論文 参考訳（メタデータ） (2021-11-23T10:22:30Z) - Compilation-based Solvers for Multi-Agent Path Finding: a Survey,
Discussion, and Future Opportunities [7.766921168069532]
このトピックの過去の発展と現在の傾向から学んだ教訓を示し、その広範な影響について議論します。
最適MAPF解決のための2つの主要なアプローチは、(1)MAPFを直接解決する専用の検索ベース手法、(2)MAPFインスタンスを異なる確立された形式でインスタンスに還元するコンパイルベース手法である。
論文 参考訳（メタデータ） (2021-04-23T20:13:12Z) - Multi-objective Conflict-based Search for Multi-agent Path Finding [10.354181009277623]
マルチオブジェクトパスプランナーは通常、パスの長さなどの単一の目的を最適化しながら、パスのアンサンブルを計算します。
本稿では、マルチオブジェクトコンフリクトベース検索(MO-CBS)という、いわゆる次元の呪いをバイパスする手法を紹介します。
論文 参考訳（メタデータ） (2021-01-11T10:42:38Z) - Provable Multi-Objective Reinforcement Learning with Generative Models [98.19879408649848]
目的の選好から最適な政策を学習する単一政策 MORL の問題について検討する。
既存の方法は、多目的決定プロセスの正確な知識のような強い仮定を必要とする。
モデルベースエンベロップ値 (EVI) と呼ばれる新しいアルゴリズムを提案し, 包含された多目的$Q$学習アルゴリズムを一般化する。
論文 参考訳（メタデータ） (2020-11-19T22:35:31Z)
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。