論文の概要: Towards Practical Multi-Robot Hybrid Tasks Allocation for Autonomous
Cleaning
- arxiv url: http://arxiv.org/abs/2303.06531v2
- Date: Tue, 4 Apr 2023 06:13:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 17:40:04.117926
- Title: Towards Practical Multi-Robot Hybrid Tasks Allocation for Autonomous
Cleaning
- Title(参考訳): 自律清掃のためのマルチロボットハイブリッドタスクアロケーションの実現に向けて
- Authors: Yabin Wang, Xiaopeng Hong, Zhiheng Ma, Tiedong Ma, Baoxing Qin, Zhou
Su
- Abstract要約: 我々は,不確実なクリーニング環境下でのマルチロボットハイブリッドタスク割り当てを,ロバストな最適化問題として定式化する。
フロアプランから作成したEmph100インスタンスのデータセットを構築し、それぞれが手動でラベル付けされた2Dイメージと3Dモデルを持つ。
3つの従来の最適化手法と深層強化学習に基づく解法を用いて、収集したデータセットの総合的な結果を提供する。
- 参考スコア(独自算出の注目度): 40.715435411065336
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Task allocation plays a vital role in multi-robot autonomous cleaning
systems, where multiple robots work together to clean a large area. However,
most current studies mainly focus on deterministic, single-task allocation for
cleaning robots, without considering hybrid tasks in uncertain working
environments. Moreover, there is a lack of datasets and benchmarks for relevant
research. In this paper, to address these problems, we formulate multi-robot
hybrid-task allocation under the uncertain cleaning environment as a robust
optimization problem. Firstly, we propose a novel robust mixed-integer linear
programming model with practical constraints including the task order
constraint for different tasks and the ability constraints of hybrid robots.
Secondly, we establish a dataset of \emph{100} instances made from floor plans,
each of which has 2D manually-labeled images and a 3D model. Thirdly, we
provide comprehensive results on the collected dataset using three traditional
optimization approaches and a deep reinforcement learning-based solver. The
evaluation results show that our solution meets the needs of multi-robot
cleaning task allocation and the robust solver can protect the system from
worst-case scenarios with little additional cost. The benchmark will be
available at
{https://github.com/iamwangyabin/Multi-robot-Cleaning-Task-Allocation}.
- Abstract(参考訳): タスク割り当ては、複数のロボットが協力して広い領域を掃除するマルチロボット自律清掃システムにおいて重要な役割を果たす。
しかし、現在の研究のほとんどは、不確定な作業環境でのハイブリッドタスクを考慮せずに、掃除ロボットにおける決定論的単一タスク割り当てに焦点を当てている。
さらに、関連する研究のためのデータセットやベンチマークが不足している。
本稿では,これらの問題に対処するため,不確定な清掃環境下でのマルチロボットハイブリッドタスク割り当てをロバストな最適化問題として定式化する。
まず,異なるタスクに対するタスク順序制約やハイブリッドロボットの能力制約など,実用的な制約を伴う,堅牢な混合整数線形プログラミングモデルを提案する。
第2に,手動でラベル付けされた2次元画像と3次元モデルを持つフロアプランから作成したemph{100}インスタンスのデータセットを確立する。
第3に,従来の3つの最適化手法と深層強化学習に基づく解法を用いて,収集データセットの総合的な結果を提供する。
評価の結果,本ソリューションはマルチロボットクリーニングタスクの割り当てのニーズを満たしており,ロバストソルバは,追加コストの少ない最悪のシナリオからシステムを保護できることがわかった。
ベンチマークは、https://github.com/iamwangyabin/Multi-robot-Cleaning-Task-Allocation}で公開される。
関連論文リスト
- 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) - Pave the Way to Grasp Anything: Transferring Foundation Models for
Universal Pick-Place Robots [50.73735524550534]
そこで本稿では,最先端基礎モデルによって生成された言語基底セグメンテーションマスクを効果的に活用する新しいパラダイムを提案する。
マスクから伝達される正確なセマンティクスとジオメトリを多視点ポリシーモデルに統合することにより、正確なオブジェクトのポーズを認識し、サンプル効率のよい学習を可能にする。
論文 参考訳(メタデータ) (2023-06-09T07:22:12Z) - 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) - 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) - Controllable Dynamic Multi-Task Architectures [92.74372912009127]
本稿では,そのアーキテクチャと重みを動的に調整し,所望のタスク選択とリソース制約に適合させる制御可能なマルチタスクネットワークを提案する。
本稿では,タスク親和性と分岐正規化損失を利用した2つのハイパーネットの非交互トレーニングを提案し,入力の嗜好を取り入れ,適応重み付き木構造モデルを予測する。
論文 参考訳(メタデータ) (2022-03-28T17:56:40Z) - Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。
本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。
我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
論文 参考訳(メタデータ) (2021-09-19T18:00:51Z) - 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) - 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) - Autonomous Planning Based on Spatial Concepts to Tidy Up Home
Environments with Service Robots [5.739787445246959]
本研究では,確率的生成モデルのパラメータを学習することにより,対象物の順序や位置を効率的に推定できる新しい計画法を提案する。
このモデルにより、ロボットは、Tidied環境で収集されたマルチモーダルセンサ情報を用いて、オブジェクトと場所の共起確率の分布を学習することができる。
我々は,世界ロボットサミット2018国際ロボティクスコンペティションのTidy Up Hereタスクの条件を再現する実験シミュレーションにより,提案手法の有効性を評価する。
論文 参考訳(メタデータ) (2020-02-10T11:49:58Z)
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。