論文の概要: Enhancing Lifelong Multi-Agent Path Finding with Cache Mechanism

• arxiv url: http://arxiv.org/abs/2501.02803v1
• Date: Mon, 06 Jan 2025 06:44:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:06:24.149649
• Title: Enhancing Lifelong Multi-Agent Path Finding with Cache Mechanism
• Title（参考訳）: キャッシュ機構による長寿命マルチエージェントパスの探索
• Authors: Yimin Tang, Zhenghong Yu, Yi Zheng, T. K. Satish Kumar, Jiaoyang Li, Sven Koenig,
• Abstract要約: Lifelong MAPF (L-MAPF) は現実の倉庫シナリオをよりリアルに近似する。 キャッシュ機構(L-MAPF-CM)を用いたLifelong MAPFと呼ばれる新しいメカニズムを導入し,高レベルキャッシュストレージと低レベルパスプランニングを統合した。 L-MAPF-CMは特に高いキャッシュヒット率とスムーズなトラフィック条件で性能改善を示した。
• 参考スコア（独自算出の注目度）: 25.575748142768298
• License:
• Abstract: Multi-Agent Path Finding (MAPF), which focuses on finding collision-free paths for multiple robots, is crucial in autonomous warehouse operations. Lifelong MAPF (L-MAPF), where agents are continuously reassigned new targets upon completing their current tasks, offers a more realistic approximation of real-world warehouse scenarios. While cache storage systems can enhance efficiency and reduce operational costs, existing approaches primarily rely on expectations and mathematical models, often without adequately addressing the challenges of multi-robot planning and execution. In this paper, we introduce a novel mechanism called Lifelong MAPF with Cache Mechanism (L-MAPF-CM), which integrates high-level cache storage with low-level path planning. We have involved a new type of map grid called cache for temporary item storage. Additionally, we involved a task assigner (TA) with a locking mechanism to bridge the gap between the new cache grid and L-MAPF algorithm. The TA dynamically allocates target locations to agents based on their status in various scenarios. We evaluated L-MAPF-CM using different cache replacement policies and task distributions. L-MAPF-CM has demonstrated performance improvements particularly with high cache hit rates and smooth traffic conditions.
• Abstract（参考訳）: 複数のロボットの衝突のない経路を見つけることに焦点を当てたMulti-Agent Path Finding (MAPF)は、自律的な倉庫運用において不可欠である。 Lifelong MAPF(L-MAPF)では、エージェントが現在のタスクを完了すると、新たなターゲットを継続的に割り当てる。 キャッシュストレージシステムは効率を向上し、運用コストを削減できるが、既存のアプローチは主に期待と数学的モデルに依存しており、多くの場合、マルチボット計画と実行の課題に適切に対処しない。 本稿では,高レベルのキャッシュストレージと低レベルのパスプランニングを統合した,キャッシュ機構を備えたLifelong MAPF(L-MAPF-CM)を提案する。 我々は、一時的なアイテムストレージのためのキャッシュと呼ばれる新しいタイプのマップグリッドに関わった。 さらに,新しいキャッシュグリッドとL-MAPFアルゴリズムのギャップを埋めるためのロック機構を備えたタスクアサインラ (TA) についても検討した。 TAは、様々なシナリオにおける状態に基づいて、ターゲット位置をエージェントに動的に割り当てる。 異なるキャッシュ置換ポリシーとタスク分布を用いてL-MAPF-CMを評価した。 L-MAPF-CMは特に高いキャッシュヒット率とスムーズなトラフィック条件で性能改善を示した。

関連論文リスト

• Efficient Inference of Vision Instruction-Following Models with Elastic Cache [76.44955111634545]
  我々は,命令追従型大規模視覚言語モデルの効率的なデプロイのための新しい戦略であるElastic Cacheを紹介する。 本稿では,冗長キャッシュを具現化する重要なキャッシュマージ戦略を提案する。 命令符号化では,キャッシュの重要性を評価するために周波数を利用する。 様々なLVLMの結果は、Elastic Cacheが効率を向上するだけでなく、言語生成における既存のプルーニングメソッドよりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-25T15:29:05Z)
• Caching-Augmented Lifelong Multi-Agent Path Finding [25.575748142768298]
  Lifelong MAPFは、最初のターゲットが完成したらすぐにターゲットをエージェントに割り当てるが、現実の倉庫計画のより正確な近似を提供する。 本稿では,Lifelong MAPFの性能向上を目的としたCaching-Augmented Lifelong MAPF(CAL-MAPF)という新しいメカニズムを提案する。
  論文  参考訳（メタデータ） (2024-03-20T09:07:23Z)
• Emergency Caching: Coded Caching-based Reliable Map Transmission in Emergency Networks [9.423705897088672]
  本稿では,データ収集と信頼性伝送に着目したキャッシュネットワークの3層アーキテクチャを提案する。 我々は,コードキャッシュ技術を統合した災害地図収集フレームワークを提案する。 提案手法は,シミュレーションにより検証した非符号化キャッシュ方式よりも効果的である。
  論文  参考訳（メタデータ） (2024-02-27T14:44:11Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Accelerating Deep Learning Classification with Error-controlled Approximate-key Caching [72.50506500576746]
  我々は、近似キーキャッシングと名付けた新しいキャッシングパラダイムを提案する。 近似キャッシュはDL推論の負荷を軽減し、システムのスループットを向上するが、近似誤差を導入する。 我々は古典的なLRUと理想的なキャッシュのキャッシュシステム性能を解析的にモデル化し、期待される性能のトレース駆動評価を行い、提案手法の利点を最先端の類似キャッシュと比較した。
  論文  参考訳（メタデータ） (2021-12-13T13:49:11Z)
• Learning Space Partitions for Path Planning [54.475949279050596]
  PlaLaMは2次元ナビゲーションタスクにおける既存の経路計画手法よりも優れており、特に難解な局所最適化の存在下では優れている。 これらは高マルチモーダルな実世界のタスクに移行し、コンパイラフェーズでは最大245%、分子設計では最大0.4の強いベースラインを0-1スケールで上回ります。
  論文  参考訳（メタデータ） (2021-06-19T18:06:11Z)
• A Feedback Scheme to Reorder a Multi-Agent Execution Schedule by Persistently Optimizing a Switchable Action Dependency Graph [65.70656676650391]
  複数の自動誘導車両 (AGV) が共通作業空間をナビゲートし, 様々な作業を行う。 一つのアプローチは、Action Dependency Graph (ADG)を構築し、そのルートに沿って進むとAGVの順序を符号化する。 ワークスペースが人間やサードパーティロボットのような動的障害によって共有されている場合、AGVは大きな遅延を経験することができる。 本稿では,各AGVの経路完了時間を最小限に抑えるために,非循環ADGを繰り返し修正するオンライン手法を提案する。
  論文  参考訳（メタデータ） (2020-10-11T14:39:50Z)
• Caching Placement and Resource Allocation for Cache-Enabling UAV NOMA Networks [87.6031308969681]
  本稿では,非直交多重アクセス(NOMA)をサポートした大規模アクセス機能を有する無人航空機(UAV)セルネットワークについて検討する。 コンテンツ配信遅延最小化のための長期キャッシュ配置と資源配分最適化問題をマルコフ決定プロセス(MDP)として定式化する。 そこで我々は,UAVがemphsoft $varepsilon$-greedy戦略を用いて行動の学習と選択を行い,行動と状態の最適な一致を探索する,Qラーニングに基づくキャッシュ配置とリソース割り当てアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-12T08:33:51Z)
• Lifelong Multi-Agent Path Finding in Large-Scale Warehouses [26.017429163961328]
  MAPF(Multi-Agent Path Finding)は、エージェントのチームが衝突することなく目標地点に移動する問題である。 そこで本研究では,生涯MAPFの問題をウィンドウ化されたMAPFインスタンスのシーケンスに分解することで,生涯MAPFを解くための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-15T06:07:15Z)

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。