論文の概要: Airlift Challenge: A Competition for Optimizing Cargo Delivery
- arxiv url: http://arxiv.org/abs/2404.17716v1
- Date: Fri, 26 Apr 2024 22:30:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-30 19:40:37.907622
- Title: Airlift Challenge: A Competition for Optimizing Cargo Delivery
- Title（参考訳）: Airlift Challenge: カーゴ配達を最適化するためのコンペティション
- Authors: Adis Delanovic, Carmen Chiu, Andre Beckus,
- Abstract要約: エアリフトチャレンジコンペティションは、エアリフト問題を単純化した抽象化を提供するシミュレーターを通じて可能な解決策を模索している。
このシミュレーターはOpenAIのジムインターフェースを使用し、参加者はエージェントアクションを計画するアルゴリズムを作成できる。
本稿では,エアリフトチャレンジの中核に位置するピックアップ・アンド・デリバリー問題に対して,一時的なPDDLドメインを提案する。
- 参考スコア（独自算出の注目度）: 1.9757262195844734
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Airlift operations require the timely distribution of various cargo, much of which is time sensitive and valuable. However, these operations have to contend with sudden disruptions from weather and malfunctions, requiring immediate rescheduling. The Airlift Challenge competition seeks possible solutions via a simulator that provides a simplified abstraction of the airlift problem. The simulator uses an OpenAI gym interface that allows participants to create an algorithm for planning agent actions. The algorithm is scored using a remote evaluator against scenarios of ever-increasing difficulty. The second iteration of the competition was underway from November 2023 to April 2024. In this paper, we describe the competition and simulation environment. As a step towards applying generalized planning techniques to the problem, we present a temporal PDDL domain for the Pickup and Delivery Problem, a model which lies at the core of the Airlift Challenge.
- Abstract（参考訳）: 空輸作業には様々な貨物のタイムリーな分配が必要であり、その多くは時間に敏感で価値のあるものである。
しかし、これらの作戦は気象や故障から突然の混乱と競合し、即時の再スケジュールを必要とした。
エアリフトチャレンジコンペティションは、エアリフト問題を単純化した抽象化を提供するシミュレーターを通じて可能な解決策を模索している。
このシミュレーターはOpenAIのジムインターフェースを使用し、参加者はエージェントアクションを計画するアルゴリズムを作成できる。
このアルゴリズムは、常に困難なシナリオに対して遠隔評価器を用いて評価される。
第2回大会は2023年11月から2024年4月まで行われた。
本稿では,競争環境とシミュレーション環境について述べる。
本稿では, 一般計画手法を課題に適用するためのステップとして, エアリフトチャレンジの中核に位置する, ピックアップ・アンド・デリバリー問題に対する時空間PDDLドメインを提案する。
関連論文リスト
- A Graph-based Adversarial Imitation Learning Framework for Reliable & Realtime Fleet Scheduling in Urban Air Mobility [5.19664437943693]
本稿では,艦隊スケジューリング問題の包括的最適化について述べる。
また、代替ソリューションのアプローチの必要性も認識している。
新しい模倣アプローチは、目に見えない最悪のシナリオにおいて、パフォーマンスと顕著な改善を実現する。
論文 参考訳（メタデータ） (2024-07-16T18:51:24Z) - Graph Learning-based Fleet Scheduling for Urban Air Mobility under
Operational Constraints, Varying Demand & Uncertainties [5.248564173595024]
本稿では,電気航空機のスケジュールと目的地のオンライン計画におけるグラフ強化学習手法を提案する。
それは、時間的な需要、垂直離着陸能力、航空機の容量および空域安全ガイドラインに関する制約、離陸遅延、天候によるルート閉鎖、予想外の航空機のダウンタイムに関する不確実性を考える。
論文 参考訳（メタデータ） (2024-01-09T23:46:22Z) - MultiZenoTravel: a Tunable Benchmark for Multi-Objective Planning with
Known Pareto Front [71.19090689055054]
多目的AI計画では、既知のPareto Frontsを示すベンチマークが不足している。
提案するベンチマーク生成器と専用ソルバは、結果のインスタンスの真のParetoを確実に計算する。
本稿では,制約された問題に対して最適な計画を示すとともに,制約された問題に対する一般的な問題を減らす方法を示す。
論文 参考訳（メタデータ） (2023-04-28T07:09:23Z) - Learning High-Speed Flight in the Wild [101.33104268902208]
複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。
鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。
現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
論文 参考訳（メタデータ） (2021-10-11T09:43:11Z) - Maneuver Identification Challenge [6.154050700252063]
Maneuver Identification Challengeは、飛行シミュレーターで練習しているパイロットから集めた何千もの軌道を提供する。
第一の課題は、物理的にもっともらしい(良い)軌跡と不可能な(悪い)軌跡を分離することである。
第2の課題は、軌道を意図した操作でラベル付けし、それらの操作の質を評価することである。
論文 参考訳（メタデータ） (2021-08-25T22:41:45Z) - Time-Optimal Planning for Quadrotor Waypoint Flight [50.016821506107455]
立方体の作動限界における時間-最適軌道の計画は未解決の問題である。
四重項のアクチュエータポテンシャルをフル活用する解を提案する。
我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
論文 参考訳（メタデータ） (2021-08-10T09:26:43Z) - Flatland Competition 2020: MAPF and MARL for Efficient Train
Coordination on a Grid World [49.80905654161763]
車両再スケジュール問題(vrsp)の解法開発を目的としたフラットランドコンペティション
VRSPは、交通ネットワークにおける旅行のスケジュールと、故障が発生した場合の車両の再スケジュールに関するものである。
現代の鉄道網の複雑化は、交通の動的リアルタイムスケジューリングを事実上不可能にします。
論文 参考訳（メタデータ） (2021-03-30T17:13:29Z) - Scalable FastMDP for Pre-departure Airspace Reservation and Strategic
De-conflict [2.6179073124975987]
我々は,FastMDPをファースト・カム・ファースト・サービス・プレパーティショア・フライトプランのスケジューリングに適応させることができることを示す。
その結果,オンデマンド飛行スケジューリングが可能な大規模UAMスケジューラの実装が期待できることを示す。
論文 参考訳（メタデータ） (2020-08-08T13:25:09Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z) - AirSim Drone Racing Lab [56.68291351736057]
AirSim Drone Racing Labは、この領域で機械学習研究を可能にするシミュレーションフレームワークである。
本フレームワークは,複数の写真リアル環境下でのレーストラック生成を可能にする。
当社のフレームワークを使用して,NeurIPS 2019で,シミュレーションベースのドローンレースコンペティションを開催しました。
論文 参考訳（メタデータ） (2020-03-12T08:06:06Z)
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。