論文の概要: Graph-Based Multi-Robot Path Finding and Planning
- arxiv url: http://arxiv.org/abs/2206.11319v1
- Date: Wed, 22 Jun 2022 18:47:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-24 14:11:11.595283
- Title: Graph-Based Multi-Robot Path Finding and Planning
- Title(参考訳): グラフに基づくマルチロボット経路探索と計画
- Authors: Hang Ma
- Abstract要約: 複数のロボットの衝突のない経路を計画することは、現実のマルチロボットシステムにとって重要である。
近年の進歩により、何百ものロボットの衝突のない経路を計算できるMAPFアルゴリズムが実現されている。
- 参考スコア(独自算出の注目度): 3.4260993997836753
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose of Review
Planning collision-free paths for multiple robots is important for real-world
multi-robot systems and has been studied as an optimization problem on graphs,
called Multi-Agent Path Finding (MAPF). This review surveys different
categories of classic and state-of-the-art MAPF algorithms and different
research attempts to tackle the challenges of generalizing MAPF techniques to
real-world scenarios.
Recent Findings
Solving MAPF problems optimally is computationally challenging. Recent
advances have resulted in MAPF algorithms that can compute collision-free paths
for hundreds of robots and thousands of navigation tasks in seconds of runtime.
Many variants of MAPF have been formalized to adapt MAPF techniques to
different real-world requirements, such as considerations of robot kinematics,
online optimization for real-time systems, and the integration of task
assignment and path planning.
Summary
Algorithmic techniques for MAPF problems have addressed important aspects of
several multi-robot applications, including automated warehouse fulfillment and
sortation, automated train scheduling, and navigation of non-holonomic robots
and quadcopters. This showcases their potential for real-world applications of
large-scale multi-robot systems.
- Abstract(参考訳): 複数ロボットのための衝突回避経路の見直しは,実世界のマルチロボットシステムにおいて重要であり,マルチエージェントパス探索(MAPF)と呼ばれるグラフ上での最適化問題として研究されている。
このレビューは、古典的なmapfアルゴリズムと最先端のmapfアルゴリズムの異なるカテゴリと、mapf技術を現実世界のシナリオに一般化する挑戦に取り組む異なる研究の試みを調査している。
最近の発見 MAPF問題の最適解法は計算的に困難である。
近年、MAPFアルゴリズムは数百のロボットと数千のナビゲーションタスクの衝突のない経路を数秒で計算できるようになっている。
MAPFの多くの変種は、ロボットキネマティクスの考慮、リアルタイムシステムのオンライン最適化、タスク割り当てとパス計画の統合など、MAPFのテクニックを様々な実世界の要求に適応するように形式化されている。
MAPF問題に対するアルゴリズム手法は、自動倉庫充足とソート、自動列車スケジューリング、非ホロノミックロボットとクワッドコプターのナビゲーションなど、いくつかのマルチロボットアプリケーションの重要な側面に対処してきた。
これは大規模なマルチロボットシステムの現実的な応用の可能性を示している。
関連論文リスト
- 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) - AutoML-GPT: Automatic Machine Learning with GPT [74.30699827690596]
本稿では,タスク指向のプロンプトを開発し,大規模言語モデル(LLM)を自動的に活用して学習パイプラインを自動化することを提案する。
本稿では,多様なAIモデルのブリッジとしてGPTを用いたAutoML-GPTを提案する。
このアプローチはコンピュータビジョン、自然言語処理、その他の課題領域において顕著な結果をもたらす。
論文 参考訳(メタデータ) (2023-05-04T02:09:43Z) - Smoothed Online Learning for Prediction in Piecewise Affine Systems [54.98643421343919]
本稿では,最近開発されたスムーズなオンライン学習フレームワークに基づく。
これは、断片的なアフィン系における予測とシミュレーションのための最初のアルゴリズムを提供する。
論文 参考訳(メタデータ) (2023-01-26T15:54:14Z) - Learning to Coordinate for a Worker-Station Multi-robot System in Planar
Coverage Tasks [16.323122275188354]
ランダムな動的干渉器を有する大規模平面領域におけるマルチロボットカバレッジパス計画問題に着目する。
本稿では,実際の作業に必要なリソースが限られている複数の作業者と,資源補給に十分なリソースを持つ1つのステーションからなる作業者ステーションMSSを紹介する。
本稿では、労働者のカバレッジプランニングと駅のランデブープランニングを同時に解決する、エンドツーエンドの分散オンラインプランニング手法を提案する。
論文 参考訳(メタデータ) (2022-08-05T05:36:42Z) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳(メタデータ) (2022-07-04T13:52:10Z) - Intelligent Trajectory Design for RIS-NOMA aided Multi-robot
Communications [59.34642007625687]
目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。
ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
論文 参考訳(メタデータ) (2022-05-03T17:14:47Z) - Navigational Path-Planning For All-Terrain Autonomous Agricultural Robot [0.0]
本報告は農地の自律ナビゲーションのための新しいアルゴリズムの比較である。
インドの環境に特有な高解像度グリッドマップ表現について検討する。
その結果、自律的なフィールドナビゲーションとロボット経路計画の実現性にアルゴリズムが適用可能であることが証明された。
論文 参考訳(メタデータ) (2021-09-05T07:29:13Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳(メタデータ) (2021-08-03T02:56:21Z) - A Hybrid Decomposition-based Multi-objective Evolutionary Algorithm for
the Multi-Point Dynamic Aggregation Problem [2.6474550925822964]
本稿では,ロボットの実行計画を設計するための多目的mpda問題に焦点を当てる。
我々は,$ varepsilon $-constraint法を用いたハイブリッド分解型多目的進化アルゴリズム(hdmoea)を開発した。
実験結果から,HDMOEA法はいくつかの最も多く使用されている指標において,最先端の手法よりも有意に優れていた。
論文 参考訳(メタデータ) (2021-05-11T10:53:16Z) - 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)
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。