論文の概要: A Coalition Game for On-demand Multi-modal 3D Automated Delivery System

• arxiv url: http://arxiv.org/abs/2412.17252v2
• Date: Tue, 22 Jul 2025 22:52:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 14:06:48.917006
• Title: A Coalition Game for On-demand Multi-modal 3D Automated Delivery System
• Title（参考訳）: オンデマンドマルチモーダル3次元自動配送システムのための協調ゲーム
• Authors: Farzan Moosavi, Bilal Farooq,
• Abstract要約: 都市環境におけるラストマイル配送に対処するため、2つのオーバーレイネットワークで運用するUAVとADRの連合ゲームを導入する。 戦略的協調が全体のルーティング効率をいかに向上させるかを把握するためのモード間の協調構造について検討する。 ミシサガ市におけるケーススタディの結果から,ラストマイル配送の応用に関するいくつかの数値実験が実施されている。
• 参考スコア（独自算出の注目度）: 4.378407481656902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a multi-modal autonomous delivery optimization framework as a coalition game for a fleet of UAVs and ADRs operating in two overlaying networks to address last-mile delivery in urban environments, including high-density areas and time-critical applications. The problem is defined as multiple depot pickup and delivery with time windows constrained over operational restrictions, such as vehicle battery limitation, precedence time window, and building obstruction. Utilizing the coalition game theory, we investigate cooperation structures among the modes to capture how strategic collaboration can improve overall routing efficiency. To do so, a generalized reinforcement learning model is designed to evaluate the cost-sharing and allocation to different modes to learn the cooperative behaviour with respect to various realistic scenarios. Our methodology leverages an end-to-end deep multi-agent policy gradient method augmented by a novel spatio-temporal adjacency neighbourhood graph attention network using a heterogeneous edge-enhanced attention model and transformer architecture. Several numerical experiments on last-mile delivery applications have been conducted, showing the results from the case study in the city of Mississauga, which shows that despite the incorporation of an extensive network in the graph for two modes and a complex training structure, the model addresses realistic operational constraints and achieves high-quality solutions compared with the existing transformer-based and classical methods. It can perform well on non-homogeneous data distribution, generalizes well on different scales and configurations, and demonstrates a robust cooperative performance under stochastic scenarios across various tasks, which is effectively reflected by coalition analysis and cost allocation to signify the advantage of cooperation.
• Abstract（参考訳）: 我々は,高密度領域や時間クリティカルなアプリケーションを含む都市環境におけるラストマイル配送に対応するために,2つのオーバーレイネットワークで運用されているUAVとADRの連合ゲームとして,マルチモーダル自律配送最適化フレームワークを導入する。 この問題は、車両のバッテリ制限、先行時間窓、建築妨害といった運用上の制限に制約された時間窓を備えた複数の補給所のピックアップと配送として定義される。 連立ゲーム理論を用いて,戦略的協調が全体のルーティング効率をいかに向上させるかを把握するためのモード間の協調構造について検討する。 そこで, 一般化された強化学習モデルは, 様々なシナリオにおいて協調行動を学ぶために, コスト共有と様々なモードへの割り当てを評価するように設計されている。 提案手法は,異種エッジ強化アテンションモデルとトランスフォーマーアーキテクチャを用いて,新しい時空間隣接グラフアテンションネットワークによって拡張されたエンドツーエンドの深層多エージェントポリシー勾配手法を利用する。 2つのモードと複雑なトレーニング構造を持つグラフに広範なネットワークが組み込まれているにもかかわらず、実際の運用上の制約に対処し、既存のトランスフォーマーや古典的な手法と比較して高品質なソリューションを実現することが示されている。 非均質なデータ分布において良好に機能し、異なるスケールや構成でよく一般化し、様々なタスクにわたる確率的シナリオ下での堅牢な協調性能を示し、協調分析とコスト配分によって効果的に反映され、協調の利点を示す。

関連論文リスト

• Hierarchical Task Offloading for UAV-Assisted Vehicular Edge Computing via Deep Reinforcement Learning [11.695622067301128]
  部分オフロードに基づく2層UAV支援エッジコンピューティングアーキテクチャを提案する。 提案アーキテクチャは異種資源の効率的な統合と調整を可能にする。 提案手法は,タスク完了率,システム効率,収束速度において,いくつかのベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2025-07-08T07:10:52Z)
• Flow-Through Tensors: A Unified Computational Graph Architecture for Multi-Layer Transportation Network Optimization [20.685856719515026]
  Flow Throughs (FTT) は、原点のフロー、経路、確率、およびリンク移動時間を相互接続テンソルとして接続する統一的な計算グラフアーキテクチャである。 まず、以前に分離されたモデリング要素間で勾配に基づく最適化を可能にする一貫した数学的構造を確立する。 第2に、システム効率の正確な定量化により、時間、空間、ユーザグループのトラフィックパターンの多次元解析をサポートする。
  論文  参考訳（メタデータ） (2025-06-30T06:42:23Z)
• Multimodal Fused Learning for Solving the Generalized Traveling Salesman Problem in Robotic Task Planning [11.697279328699489]
  汎用トラベリングセールスマン問題(GTSP)を解決するための多モード融合学習フレームワークを提案する。 まず、GTSPインスタンスを空間情報表現に変換する座標ベースのイメージビルダーを紹介する。 次に、異なる問題スケールにわたる適応性を高めるための適応分解能スケーリング戦略を設計し、マルチモーダル融合モジュールを開発する。
  論文  参考訳（メタデータ） (2025-06-20T11:51:52Z)
• Accelerating Vehicle Routing via AI-Initialized Genetic Algorithms [55.78505925402658]
  車両ルーティング問題(VRP)は、トラベリングセールスパーソン問題の延長であり、進化的最適化における基本的なNPハードチャレンジである。 遺伝的アルゴリズムによってさらに最適化された初期解を迅速に生成するために、強化学習エージェント(事前インスタンスで訓練された)を使用した新しい最適化フレームワークを導入する。 例えば、EARLIは1秒以内に500カ所の車両ルーティングを処理し、同じソリューション品質の現在のソルバよりも10倍高速で、リアルタイムやインタラクティブなルーティングのようなアプリケーションを可能にする。
  論文  参考訳（メタデータ） (2025-04-08T15:21:01Z)
• Robo-taxi Fleet Coordination at Scale via Reinforcement Learning [21.266509380044912]
  この研究は、数学的モデリングとデータ駆動技術を統合する新しい意思決定フレームワークを導入している。 本稿では、強化学習のレンズを通してAMoDコーディネート問題を示し、グラフネットワークに基づくフレームワークを提案する。 特に、強化学習のレンズを通してAMoDコーディネート問題を示し、グラフネットワークに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-08T15:19:41Z)
• Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [56.424032454461695]
  本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。 Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。 Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
  論文  参考訳（メタデータ） (2025-03-25T15:19:56Z)
• Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
  無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。 この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-09T09:15:47Z)
• MAGNNET: Multi-Agent Graph Neural Network-based Efficient Task Allocation for Autonomous Vehicles with Deep Reinforcement Learning [2.5022287664959446]
  本稿では,グラフニューラルネットワーク(GNN)を一元的トレーニングと分散実行(CTDE)パラダイムに統合する新しいフレームワークを提案する。 本手法により,無人航空機 (UAV) と無人地上車両 (UGV) は, 中央調整を必要とせず, 効率よくタスクを割り当てることができる。
  論文  参考訳（メタデータ） (2025-02-04T13:29:56Z)
• Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
  メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。 次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。 20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
  論文  参考訳（メタデータ） (2025-01-20T07:12:40Z)
• Cross-Domain Transfer Learning using Attention Latent Features for Multi-Agent Trajectory Prediction [4.292918274985369]
  本稿では,トランスフォーマーモデルにおけるアテンション表現に対して,クロスドメイン適応を行う新しい時空間軌道予測フレームワークを提案する。 グラフ畳み込みネットワークは、マルチエージェント車両間の複雑な時空間相互作用を正確にモデル化する動的グラフ特徴埋め込みを構築するためにも統合される。
  論文  参考訳（メタデータ） (2024-11-09T06:39:44Z)
• Generalizable Spacecraft Trajectory Generation via Multimodal Learning with Transformers [14.176630393074149]
  本稿では,様々な問題構成にまたがって一般化する新しいトラジェクトリ生成フレームワークを提案する。 我々は、データソースから学習できる高容量トランスフォーマーニューラルネットワークを活用している。 このフレームワークはフリーフライアプラットフォームでのシミュレーションと実験を通じて検証されている。
  論文  参考訳（メタデータ） (2024-10-15T15:55:42Z)
• Cooperative Path Planning with Asynchronous Multiagent Reinforcement Learning [4.640948267127441]
  複数のソース-決定ペア(MSD)を持つ最短経路問題(SPP) 本稿では,最短経路問題(SPP)について,複数の経路対,すなわちMSD-SPPを用いて検討し,最短経路の平均走行時間を最小化する。
  論文  参考訳（メタデータ） (2024-09-01T15:48:14Z)
• Multi-objective Optimal Roadside Units Deployment in Urban Vehicular Networks [7.951541004150428]
  都市車両網では,交通効率,安全,関連サービスの重要性が増している。 このようなネットワーク内では、道路側ユニット(RSU)が通信を容易にする中間体として機能する。 都市環境においては、建物、庭園、湖沼、その他のインフラなど様々な障害が存在することが、RSUの展開に課題を提起している。
  論文  参考訳（メタデータ） (2024-01-14T05:02:12Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion Control in Real Networks [63.24965775030673]
  そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。 我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。 我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
  論文  参考訳（メタデータ） (2023-02-02T18:27:20Z)
• Pruning Self-attentions into Convolutional Layers in Single Path [89.55361659622305]
  ビジョントランスフォーマー(ViT)は、様々なコンピュータビジョンタスクに対して印象的なパフォーマンスを実現している。 トレーニング済みのViTを効率よく自動圧縮するSPViT(Single-Path Vision Transformer pruning)を提案する。 われわれのSPViTはDeiT-Bで52.0%のFLOPをトリミングできる。
  論文  参考訳（メタデータ） (2021-11-23T11:35:54Z)
• Deployment Optimization for Shared e-Mobility Systems with Multi-agent Deep Neural Search [15.657420177295624]
  共有e-mobilityサービスは世界中の都市で広くテストされ、試験運用されている。 本稿では,持続的な収益性を維持しつつ,ユーザに対してユビキタスなサービスを実現するための,空間的・時間的インフラストラクチャの展開と管理方法について検討する。 我々は,共有電子移動システムの主要動作詳細を粒度で抽象化した高忠実度シミュレーション環境を設計することで,この問題に対処する。
  論文  参考訳（メタデータ） (2021-11-03T11:37:11Z)
• Value Function is All You Need: A Unified Learning Framework for Ride Hailing Platforms [57.21078336887961]
  DiDi、Uber、Lyftなどの大型配車プラットフォームは、都市内の数万台の車両を1日中数百万の乗車要求に接続している。 両課題に対処するための統合価値に基づく動的学習フレームワーク(V1D3)を提案する。
  論文  参考訳（メタデータ） (2021-05-18T19:22:24Z)
• Multi-intersection Traffic Optimisation: A Benchmark Dataset and a Strong Baseline [85.9210953301628]
  交通信号の制御は、都市部の交通渋滞の緩和に必要不可欠である。 問題モデリングの複雑さが高いため、現在の作業の実験的な設定はしばしば矛盾する。 エンコーダ・デコーダ構造を用いた深層強化学習に基づく新規で強力なベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2021-01-24T03:55:39Z)
• Multi-Agent Routing Value Iteration Network [88.38796921838203]
  疎結合グラフの学習値に基づいてマルチエージェントルーティングを行うことができるグラフニューラルネットワークに基づくモデルを提案する。 最大25ノードのグラフ上で2つのエージェントでトレーニングしたモデルでは,より多くのエージェントやノードを持つ状況に容易に一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-07-09T22:16:45Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)

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。