Fugu-MT 論文翻訳(概要): Securing Pathways with Orthogonal Robots

論文の概要: Securing Pathways with Orthogonal Robots

arxiv url: http://arxiv.org/abs/2308.10093v1
Date: Sat, 19 Aug 2023 19:05:13 GMT
ステータス: 処理完了
システム内更新日: 2023-08-22 17:47:11.022143
Title: Securing Pathways with Orthogonal Robots
Title（参考訳）: 直交ロボットによる安全な経路
Authors: Hamid Hoorfar, Faraneh Fathi, Sara Moshtaghi Largani, and Alireza Bagheri
Abstract要約: 経路用ロボットの最小数を線形時間で決定できることが示されている。ロボットをポリゴンのどこにでも配置する柔軟性に重点を置いている。
参考スコア（独自算出の注目度）: 1.3249509346606658
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The protection of pathways holds immense significance across various domains, including urban planning, transportation, surveillance, and security. This article introduces a groundbreaking approach to safeguarding pathways by employing orthogonal robots. The study specifically addresses the challenge of efficiently guarding orthogonal areas with the minimum number of orthogonal robots. The primary focus is on orthogonal pathways, characterized by a path-like dual graph of vertical decomposition. It is demonstrated that determining the minimum number of orthogonal robots for pathways can be achieved in linear time. However, it is essential to note that the general problem of finding the minimum number of robots for simple polygons with general visibility, even in the orthogonal case, is known to be NP-hard. Emphasis is placed on the flexibility of placing robots anywhere within the polygon, whether on the boundary or in the interior.
Abstract（参考訳）: 経路の保護は、都市計画、交通、監視、安全など、様々な領域で重要な意味を持つ。本稿では,直交ロボットを用いた安全経路に対する画期的なアプローチを紹介する。この研究は、直交する領域を最小数の直交ロボットで効率的に守るという課題に特に対処する。主な焦点は直交経路であり、縦分解の経路のような双対グラフが特徴である。経路に対する最小直交ロボット数を決定することは線形時間において達成できることが実証された。しかし、単純な多角形に対して最小数のロボットを見つけるという一般的な問題は、直交の場合でさえnp-hardであることが知られていることに注意する必要がある。境界上であれ内部であれ、多角形の中にロボットを置く柔軟性に重点が置かれている。

関連論文リスト

Multi-Robot Informative Path Planning for Efficient Target Mapping using Deep Reinforcement Learning [11.134855513221359]
本稿では,多ボット情報経路計画のための新しい深層強化学習手法を提案する。我々は、集中的な訓練と分散実行パラダイムを通じて強化学習政策を訓練する。提案手法は,他の最先端のマルチロボット目標マッピング手法よりも33.75%向上する。
論文参考訳（メタデータ） (2024-09-25T14:27:37Z)
Online Concurrent Multi-Robot Coverage Path Planning [5.801044612920816]
地平線では、経路計画と経路実行がインターリーブであり、経路のないロボットが経路計画を行う場合、優れた経路を持つロボットは実行しない。地平線をベースとしない集中型アルゴリズムを提案する。事前に割り当てられた目標に到達したロボットのサブセットに対して、いつでもパスを計画し、残りは傑出したパスを実行する。
論文参考訳（メタデータ） (2024-03-15T16:51:30Z)
Minimizing Turns in Watchman Robot Navigation: Strategies and Solutions [1.6749379740049928]
本稿では,直交ウォッチマン経路問題(OWRP)を解くための効率的な線形時間アルゴリズムを提案する。本研究は,より合理化されたパトロールロボットの設計を可能にすることにより,ロボットシステムの進歩に寄与する。
論文参考訳（メタデータ） (2023-08-19T18:53:53Z)
POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文参考訳（メタデータ） (2023-07-16T19:44:27Z)
Multi-Robot Active Mapping via Neural Bipartite Graph Matching [49.72892929603187]
本稿では,最小時間ステップにおけるシーンマップ構築の完全化を目的としたマルチロボットアクティブマッピングの問題点について検討する。この問題の鍵は、より効率的なロボットの動きを可能にするゴール位置推定にある。本稿では,ニューラルコマッピング(NeuralCoMapping)という新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-03-30T14:03:17Z)
REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文参考訳（メタデータ） (2022-02-10T18:50:25Z)
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)
Motion Planning for a Pair of Tethered Robots [16.63034885398417]
我々は,限られた長さのケーブルで互いに接続する平面ロボットの計画動作の問題に対処する。ケーブルを介して固定されたベースに繋がる単一のロボットの以前の問題と同様に、直線視認性は重要な役割を担っている。可視グラフの低減は, 自然な離散化をもたらし, 重要なトポロジ的考察を捉える。
論文参考訳（メタデータ） (2021-02-25T22:45:46Z)
Large Scale Distributed Collaborative Unlabeled Motion Planning with Graph Policy Gradients [122.85280150421175]
本研究では,運動制約と空間制約を多数のロボットに対して2次元空間で解くための学習法を提案する。ロボットのポリシーをパラメータ化するためにグラフニューラルネットワーク(GNN)を用いる。
論文参考訳（メタデータ） (2021-02-11T21:57:43Z)
Orientation Attentive Robotic Grasp Synthesis with Augmented Grasp Map Representation [62.79160608266713]
物体の形態学的特徴は、ロボットの把握の視覚的学習を阻害する、幅広い可視的把握方向を提供する可能性がある。既存のグリップ生成アプローチを呪い、グリップポイント毎に大きく異なる向きのアノテーションを集約することにより、不連続グリップマップを構築する。そこで本研究では,角度空間を複数のビンに分割することで,方向を局所的に歪曲する,画素ワイズ合成に適した拡張型グリップマップ表現を提案する。
論文参考訳（メタデータ） (2020-06-09T08:54:54Z)

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。