Fugu-MT 論文翻訳(概要): Multi-agent Path Finding in Continuous Environment

論文の概要: Multi-agent Path Finding in Continuous Environment

arxiv url: http://arxiv.org/abs/2409.10680v1
Date: Mon, 16 Sep 2024 19:23:04 GMT
ステータス: 処理完了
システム内更新日: 2024-09-18 18:50:48.029345
Title: Multi-agent Path Finding in Continuous Environment
Title（参考訳）: 連続環境におけるマルチエージェント経路探索
Authors: Kristýna Janovská, Pavel Surynek,
Abstract要約: 本研究では,新たな連続環境競合探索(CE-CBS)アルゴリズムを提案する。 CE-CBSは、ハイレベル検索フレームワークのためのコンフリクトベースの検索(CBS)と低レベルパス計画のためのRT*を組み合わせる。実験の結果、CE-CBSはMAPFの連続的な側面を連続的に考慮する他のアルゴリズムと競合していることがわかった。
参考スコア（独自算出の注目度）: 11.325849006178737
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We address a variant of multi-agent path finding in continuous environment (CE-MAPF), where agents move along sets of smooth curves. Collisions between agents are resolved via avoidance in the space domain. A new Continuous Environment Conflict-Based Search (CE-CBS) algorithm is proposed in this work. CE-CBS combines conflict-based search (CBS) for the high-level search framework with RRT* for low-level path planning. The CE-CBS algorithm is tested under various settings on diverse CE-MAPF instances. Experimental results show that CE-CBS is competitive w.r.t. to other algorithms that consider continuous aspect in MAPF such as MAPF with continuous time.
Abstract（参考訳）: 連続環境(CE-MAPF)におけるマルチエージェントパスの変種に対処し、エージェントは滑らかな曲線の集合に沿って移動する。エージェント間の衝突は、空間領域の回避によって解決される。本研究では,新たな連続環境競合探索(CE-CBS)アルゴリズムを提案する。 CE-CBSは、ハイレベル検索フレームワークのためのコンフリクトベースの検索(CBS)と低レベルパス計画のためのRT*を組み合わせる。 CE-CBSアルゴリズムは多様なCE-MAPFインスタンス上で様々な設定でテストされる。実験の結果、CE-CBSはMAPFのようなMAPFの連続的な側面を連続的に考慮する他のアルゴリズムと競合していることがわかった。

関連論文リスト

POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation [76.67608003501479]
主評価指標の基礎に基づいて計算された領域関連メトリクスの範囲を定義する評価プロトコルを導入・指定する。このような比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含むものである。
論文参考訳（メタデータ） (2024-07-20T16:37:21Z)
Optimal and Bounded Suboptimal Any-Angle Multi-agent Pathfinding [13.296796764344169]
提案手法は,最初の最適非角度マルチエージェントパスフィンディングアルゴリズムである。我々のプランナーは、Continuous Conflict-based Search (CCBS)アルゴリズムと、Safe Interval Path Planning (TO-AA-SIPP)の最適な任意の角度変種に基づいている。古典的MAPFから任意の角度設定、すなわち Disjoint Splitting と Multi-Constraint への2つの手法を適用する。
論文参考訳（メタデータ） (2024-04-25T07:41:47Z)
Safe Interval RRT* for Scalable Multi-Robot Path Planning in Continuous Space [4.678150356894013]
連続空間におけるMRPP(Multi-Robot Path Planning)の問題点を考察する。本稿では,低レベルをサンプリングベースとしたSafe Interval RRT* (SI-RRT*) とし,個々のロボットに対して衝突のない軌道を求める2段階のアプローチを提案する。
論文参考訳（メタデータ） (2024-04-02T09:07:12Z)
Decentralized Monte Carlo Tree Search for Partially Observable Multi-agent Pathfinding [49.730902939565986]
マルチエージェントパスフィンディング問題は、グラフに閉じ込められたエージェントのグループに対するコンフリクトフリーパスのセットを見つけることである。本研究では、エージェントが他のエージェントをローカルにのみ観察できる分散MAPF設定に焦点を当てた。 MAPFタスクのための分散マルチエージェントモンテカルロ木探索法を提案する。
論文参考訳（メタデータ） (2023-12-26T06:57:22Z)
Target before Shooting: Accurate Anomaly Detection and Localization under One Millisecond via Cascade Patch Retrieval [49.45246833329707]
異常検出(AD)の「マッチング」性を再検討する本稿では,ADの精度と実行速度を同時に向上する新しいADフレームワークを提案する。
論文参考訳（メタデータ） (2023-08-13T11:49:05Z)
Continuous Monte Carlo Graph Search [61.11769232283621]
連続モンテカルログラフサーチ(Continuous Monte Carlo Graph Search, CMCGS)は、モンテカルログラフサーチ(MCTS)のオンラインプランニングへの拡張である。 CMCGSは、計画中、複数の州で同じ行動方針を共有することで高いパフォーマンスが得られるという洞察を生かしている。並列化によってスケールアップすることができ、学習力学モデルによる連続制御においてクロスエントロピー法(CEM)よりも優れている。
論文参考訳（メタデータ） (2022-10-04T07:34:06Z)
POGEMA: Partially Observable Grid Environment for Multiple Agents [64.88759709443819]
POGEMAは、部分的に観測可能なマルチエージェントパスフィンディング(PO-MAPF)問題に挑戦するためのサンドボックスである。様々なPO-MAPFに合わせることができ、プランニングと学習のための優れた試験場として機能する。
論文参考訳（メタデータ） (2022-06-22T09:39:50Z)
The Multi-Agent Pickup and Delivery Problem: MAPF, MARL and Its Warehouse Applications [2.969705152497174]
マルチエージェントピックアップおよび配送問題に対する2つの最先端ソリューションを,異なる原理に基づいて検討した。具体的には、コンフリクトベースサーチ(CBS)と呼ばれるMAPFアルゴリズムと、共有経験アクター批判(SEAC)と呼ばれる現在のMARLアルゴリズムについて検討する。
論文参考訳（メタデータ） (2022-03-14T13:23:35Z)
Multi-objective Conflict-based Search Using Safe-interval Path Planning [10.354181009277623]
低レベル探索のための新しい多目的セーフインターバルパス計画法 (MO-SIPP) アルゴリズムを利用するMO-CBS(Multi-objective conflict-based search)を提案する。我々は, 平均低レベル探索時間において, 等級が大幅に改善されていることを示すために, 広範囲な数値計算結果を示す。また,建設現場計画における提案アルゴリズムの適用可能性を示すケーススタディも提示する。
論文参考訳（メタデータ） (2021-08-02T09:42:08Z)
Improving Continuous-time Conflict Based Search [19.36475688888736]
Conflict-Based Search (CBS) はマルチエージェントパス探索 (MAPF) 問題を最適に解くための強力なフレームワークである。 Continuous-time CBS(CCBS)は、CBSの最近提案されたバージョンで、時間を差別することなく最適なソリューションを保証します。コンフリクト(PC)、ディジョイン分割(DS)、ハイレベルエージェントをCCBSの連続時間設定に優先順位付けすることで、CBSの改善を成功させる方法を紹介します。
論文参考訳（メタデータ） (2021-01-24T14:34:25Z)
Semi-Supervised Learning with Variational Bayesian Inference and Maximum Uncertainty Regularization [62.21716612888669]
半教師付き学習(SSL)を改善するための2つの一般的な方法を提案する。第一に、重量摂動(WP)を既存のCR(Consistency regularization)ベースの手法に統合する。第2の手法は「最大不確実性正規化(MUR)」と呼ばれる新しい整合性損失を提案する。
論文参考訳（メタデータ） (2020-12-03T09:49:35Z)

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。