論文の概要: Value of Assistance for Mobile Agents

• arxiv url: http://arxiv.org/abs/2308.11961v1
• Date: Wed, 23 Aug 2023 07:02:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-24 15:17:06.141954
• Title: Value of Assistance for Mobile Agents
• Title（参考訳）: 移動エージェントの援助の価値
• Authors: Adi Amuzig, David Dovrat and Sarah Keren
• Abstract要約: 移動ロボットエージェントは、時間とともにエージェントの動きとともに成長する局所的不確実性に悩まされることが多い。 いくつかの設定では、ロボットの位置に関する不確実性を減少させる補助行動を実行することができる。 本稿では,特定の実行時点における援助がもたらす期待コスト削減を表すために,支援価値(VOA)を提案する。
• 参考スコア（独自算出の注目度）: 7.922832585855347
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile robotic agents often suffer from localization uncertainty which grows with time and with the agents' movement. This can hinder their ability to accomplish their task. In some settings, it may be possible to perform assistive actions that reduce uncertainty about a robot's location. For example, in a collaborative multi-robot system, a wheeled robot can request assistance from a drone that can fly to its estimated location and reveal its exact location on the map or accompany it to its intended location. Since assistance may be costly and limited, and may be requested by different members of a team, there is a need for principled ways to support the decision of which assistance to provide to an agent and when, as well as to decide which agent to help within a team. For this purpose, we propose Value of Assistance (VOA) to represent the expected cost reduction that assistance will yield at a given point of execution. We offer ways to compute VOA based on estimations of the robot's future uncertainty, modeled as a Gaussian process. We specify conditions under which our VOA measures are valid and empirically demonstrate the ability of our measures to predict the agent's average cost reduction when receiving assistance in both simulated and real-world robotic settings.
• Abstract（参考訳）: 移動ロボットエージェントは、時間とエージェントの動きとともに成長する局所的不確実性に苦しむことが多い。 これは彼らの任務を遂行する能力を妨げる可能性がある。 いくつかの設定では、ロボットの位置に関する不確実性を減少させる補助行動を実行することができる。 例えば、コラボレーティブなマルチロボットシステムでは、車輪付きのロボットは、推定位置まで飛行し、地図上の正確な位置を明らかにしたり、意図した位置へ同行するドローンからの援助を要求できる。 援助は費用がかかり、制限され、チームの異なるメンバーによって要求される可能性があるため、どの援助をエージェントに提供するか、いつ、そしてどのエージェントをチーム内で支援するかを決めるための決定を支援するための原則化された方法が必要である。 この目的のために我々は,所定の実行時点における援助がもたらす期待コスト削減を表すために,支援価値(VOA)を提案する。 ガウス過程としてモデル化されたロボットの将来の不確実性の推定に基づいてvoaを計算する方法を提案する。 我々は,実世界とシミュレーションロボットの両方で支援を受ける際に,エージェントの平均コスト削減を予測できることを実証的に実証し,有効な条件を規定する。

関連論文リスト

• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [70.93622520400385]
  本稿では,VLAに基づくロボットシステムのロバスト性を体系的に評価する。 本研究では,ロボット行動の不安定化に空間的基盤を活用する,標的のない位置認識型攻撃目標を提案する。 また、カメラの視野内に小さなカラフルなパッチを配置し、デジタル環境と物理環境の両方で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
  論文  参考訳（メタデータ） (2024-11-18T01:52:20Z)
• Pragmatic Instruction Following and Goal Assistance via Cooperative Language-Guided Inverse Planning [52.91457780361305]
  本稿では,協調型言語誘導逆計画探索(CLIPS)を紹介する。 我々のエージェントは、協力的なプランナーとして人間をモデル化し、アシスタントに共同計画を伝える。 2つの協調計画領域(ドア,キー&ジェム,バーチャルホーム)におけるこれらの機能の評価
  論文  参考訳（メタデータ） (2024-02-27T23:06:53Z)
• Robot Trajectron: Trajectory Prediction-based Shared Control for Robot Manipulation [2.273531916003657]
  emphRobot Trajectron (RT) と呼ばれる新しい意図推定器を開発した。 RTは、その最近の位置、速度、加速度履歴に基づいて、ロボットの予測軌道の確率的表現を生成する。 我々は、RTの予測能力と潜在的到達目標の位置の表現を組み合わせた、新しい共有制御ソリューションを導出する。
  論文  参考訳（メタデータ） (2024-02-04T14:18:20Z)
• Value of Assistance for Grasping [6.452975320319021]
  本研究では,特定の観察がロボットのタスク完了能力に与える影響を評価する尺度を提案する。 シミュレーションおよび実世界の協調的把握設定における提案手法の評価を行った。
  論文  参考訳（メタデータ） (2023-10-22T20:25:08Z)
• Decision Making for Human-in-the-loop Robotic Agents via Uncertainty-Aware Reinforcement Learning [13.184897303302971]
  ヒューマン・イン・ザ・ループ(Human-in-the-Loop)パラダイムでは、ロボットエージェントはタスクの解決において主に自律的に行動するが、必要に応じて外部の専門家から助けを求めることができる。 本稿では,この課題に対する強化学習に基づくアプローチを提案する。そこでは,半自律エージェントが,タスクの最終的な成功に対する信頼度が低い場合に,外部支援を求める。 本手法は,訓練時に専門家にアクセスできないにも関わらず,実行時に限られた専門家コールの予算を効果的に活用できることを示す。
  論文  参考訳（メタデータ） (2023-03-12T17:22:54Z)
• When to Ask for Help: Proactive Interventions in Autonomous Reinforcement Learning [57.53138994155612]
  強化学習の長期的な目標は、世界で自律的に対話し学習できるエージェントを設計することである。 重要な課題は、ロボットアームが物体をテーブルから押し出したときなど、外部からの援助を必要とする不可逆状態の存在である。 本研究では,非可逆状態の検出と回避を効率よく学習し,エージェントが侵入した場合に積極的に支援を求めるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T17:57:24Z)
• Multi-Agent Neural Rewriter for Vehicle Routing with Limited Disclosure of Costs [65.23158435596518]
  チームのマルコフゲームとして、部分的に観測可能なコストでマルチサイクルルーティング問題を解く。 我々のマルチエージェント強化学習アプローチである、いわゆるマルチエージェントニューラルリライタは、1エージェントニューラルリライタを利用して、反復的に書き換えるソリューションによって問題を解決する。
  論文  参考訳（メタデータ） (2022-06-13T09:17:40Z)
• 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)
• Building Affordance Relations for Robotic Agents - A Review [7.50722199393581]
  Affordancesは、エージェントがオブジェクトでアクションを実行する可能性を記述する。 我々は,ロボット作業における余裕の概念を用いて,さまざまな戦略の共通基盤をレビューし,発見する。 AIエージェントの能力を向上させる可能性を秘めたアプライアンスを含むさまざまな興味深い研究方向を特定し、議論します。
  論文  参考訳（メタデータ） (2021-05-14T08:35:18Z)
• Symbiotic System Design for Safe and Resilient Autonomous Robotics in Offshore Wind Farms [3.5409202655473724]
  Beyond Visual Line of Sight(BVLOS)ロボティクスの障壁には、運用上の安全コンプライアンスとレジリエンスが含まれます。 ロボットプラットフォームと遠隔操作者の相互利益のための知識共有によるライフサイクル学習と共進化を反映した共生システムを提案する。 本手法は,自律ミッションにおける安全性,信頼性,レジリエンスのリアルタイム検証を可能にする。
  論文  参考訳（メタデータ） (2021-01-23T11:58:16Z)
• AvE: Assistance via Empowerment [77.08882807208461]
  そこで我々は,人間の環境制御能力を高めることで,支援のための新しいパラダイムを提案する。 このタスクに依存しない目的は、個人の自律性と最終的な状態を達成する能力を維持する。
  論文  参考訳（メタデータ） (2020-06-26T04:40:11Z)

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。