論文の概要: Task Allocation using a Team of Robots
- arxiv url: http://arxiv.org/abs/2207.09650v1
- Date: Wed, 20 Jul 2022 04:49:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-21 14:15:25.522202
- Title: Task Allocation using a Team of Robots
- Title（参考訳）: ロボットチームを用いたタスク割当
- Authors: Haris Aziz, Arindam Pal, Ali Pourmiri, Fahimeh Ramezani, Brendan Sims
- Abstract要約: 本稿では、よく研究されている複数のバージョンを一般化するタスク割り当て問題の一般的な定式化について述べる。
我々の定式化には、ロボット、タスク、そしてそれらが動作する環境の状態が含まれる。
本稿では,実現可能性制約,目的関数,動的に変化する情報のレベルによって,その問題がどう変化するかを説明する。
- 参考スコア（独自算出の注目度）: 29.024300177453824
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Task allocation using a team or coalition of robots is one of the most
important problems in robotics, computer science, operational research, and
artificial intelligence. In recent work, research has focused on handling
complex objectives and feasibility constraints amongst other variations of the
multi-robot task allocation problem. There are many examples of important
research progress in these directions. We present a general formulation of the
task allocation problem that generalizes several versions that are
well-studied. Our formulation includes the states of robots, tasks, and the
surrounding environment in which they operate. We describe how the problem can
vary depending on the feasibility constraints, objective functions, and the
level of dynamically changing information. In addition, we discuss existing
solution approaches for the problem including optimization-based approaches,
and market-based approaches.
- Abstract（参考訳）: ロボットのチームや連合を用いたタスク割り当ては、ロボット工学、コンピュータ科学、運用研究、人工知能において最も重要な問題の1つだ。
近年,マルチロボットタスク割り当て問題における複雑な目的や実現可能性制約の扱いに焦点が当てられている。
これらの方向に重要な研究の進展の例が多数ある。
本稿では、よく研究されている複数のバージョンを一般化したタスク割り当て問題の一般化について述べる。
我々の定式化には、ロボット、タスク、そしてそれらが動作する環境の状態が含まれる。
本稿では,実現可能性制約や目的関数,動的に変化する情報のレベルによって,その問題がどう変化するかを説明する。
さらに、最適化ベースのアプローチや市場ベースのアプローチを含む既存のソリューションアプローチについても論じる。
関連論文リスト
- COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T15:53:41Z) - 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) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳（メタデータ） (2023-12-14T10:37:34Z) - MANER: Multi-Agent Neural Rearrangement Planning of Objects in Cluttered
Environments [8.15681999722805]
本稿では,マルチエージェントオブジェクトアレンジメント計画のための学習ベースのフレームワークを提案する。
複雑な環境におけるタスクシークエンシングとパス計画の課題に対処する。
論文 参考訳（メタデータ） (2023-06-10T23:53:28Z) - 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) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - Partially Observable Markov Decision Processes in Robotics: A Survey [23.286897050793435]
この調査は,POMDPモデルとアルゴリズムの一方の端のギャップを埋めることと,他方の多様なロボット決定タスクに適用することを目的としている。
実践者にとって、この調査は、ロボットタスクにPOMDPをいつ、どのように適用するかを決定する上で重要なタスクの特徴をいくつか提供する。
POMDPアルゴリズム設計者にとって、この調査は、POMDPをロボットシステムに適用する際のユニークな課題に関する新たな洞察を提供する。
論文 参考訳（メタデータ） (2022-09-21T13:24:20Z) - Autonomous Open-Ended Learning of Tasks with Non-Stationary
Interdependencies [64.0476282000118]
固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。
内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。
特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。
そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
論文 参考訳（メタデータ） (2022-05-16T10:43:01Z) - Multi-Robot Task Allocation -- Complexity and Approximation [37.231854068835005]
マルチロボットタスクアロケーションは、探索、救助、地域探索など、様々な現実世界のロボットアプリケーションに不可欠である。
単一タスクロボットとマルチロボットタスク 即時アサインメント(ST-MR-IA)では、各タスクに少なくとも1つのロボットが必要であり、各ロボットは1つのタスクで作業可能であり、各タスクに対して運用コストがかかる。
論文 参考訳（メタデータ） (2021-03-23T08:12:27Z) - Towards Coordinated Robot Motions: End-to-End Learning of Motion
Policies on Transform Trees [63.31965375413414]
人間による実証から構造化政策を学習し、マルチタスクの課題解決を提案します。
我々の構造化ポリシーは、異なる空間におけるサブタスクポリシーを組み合わせるためのフレームワークであるRMPflowにインスパイアされている。
マルチタスク問題に適したエンドツーエンドの学習目標関数を導き出します。
論文 参考訳（メタデータ） (2020-12-24T22:46:22Z)
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。