論文の概要: Generalized Mission Planning for Heterogeneous Multi-Robot Teams via LLM-constructed Hierarchical Trees

• arxiv url: http://arxiv.org/abs/2501.16539v1
• Date: Mon, 27 Jan 2025 22:20:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-29 22:09:10.98496
• Title: Generalized Mission Planning for Heterogeneous Multi-Robot Teams via LLM-constructed Hierarchical Trees
• Title（参考訳）: LLM構築階層木を用いた異種多人数ロボットチームの汎用ミッション計画
• Authors: Piyush Gupta, David Isele, Enna Sachdeva, Pin-Hao Huang, Behzad Dariush, Kwonjoon Lee, Sangjae Bae,
• Abstract要約: 本稿では,各ロボットの制約や能力を考慮した,異種多ロボットチームのための新しいミッションプランニング戦略を提案する。 私たちのアプローチでは、複雑なミッションを体系的に管理可能なサブタスクに分割するために階層木を使用します。
• 参考スコア（独自算出の注目度）: 12.923773664377896
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a novel mission-planning strategy for heterogeneous multi-robot teams, taking into account the specific constraints and capabilities of each robot. Our approach employs hierarchical trees to systematically break down complex missions into manageable sub-tasks. We develop specialized APIs and tools, which are utilized by Large Language Models (LLMs) to efficiently construct these hierarchical trees. Once the hierarchical tree is generated, it is further decomposed to create optimized schedules for each robot, ensuring adherence to their individual constraints and capabilities. We demonstrate the effectiveness of our framework through detailed examples covering a wide range of missions, showcasing its flexibility and scalability.
• Abstract（参考訳）: 本稿では,各ロボットの制約や能力を考慮した,異種多ロボットチームのための新しいミッションプランニング戦略を提案する。 私たちのアプローチでは、複雑なミッションを体系的に管理可能なサブタスクに分割するために階層木を使用します。 本研究では,Large Language Models (LLMs) を用いて,これらの階層木を効率的に構築する専用APIとツールを開発する。 階層木が生成されると、さらに分解して各ロボットに最適化されたスケジュールを作成し、個々の制約や能力を確実にする。 我々は、幅広いミッションをカバーする詳細な例を通して、フレームワークの有効性を実証し、その柔軟性とスケーラビリティを示します。

関連論文リスト

• EmbodiedAgent: A Scalable Hierarchical Approach to Overcome Practical Challenge in Multi-Robot Control [4.163413782205929]
  EmbodiedAgentは異種マルチロボット制御のための階層的なフレームワークである。 提案手法は,次アクション予測パラダイムと構造化メモリシステムを統合し,タスクを実行可能なロボットスキルに分解する。 100のシナリオにまたがる18,000以上のアノテートされたプランニングインスタンスのデータセットであるMultiPlan+を紹介します。
  論文  参考訳（メタデータ） (2025-04-14T09:33:42Z)
• REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
  本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。 ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
  論文  参考訳（メタデータ） (2025-03-28T03:51:40Z)
• A Temporal Planning Framework for Multi-Agent Systems via LLM-Aided Knowledge Base Management [5.548477348501636]
  本稿では,大規模言語モデル(LLM)とPrologベースの知識管理とマルチロボットタスクの計画を統合したPLANTORという新しいフレームワークを提案する。 その結果,LLMは人間からのフィードバックの少ない正確な知識ベースを生成でき,Prologは形式的正当性と説明可能性を保証することがわかった。 このアプローチは、柔軟でスケーラブルで人間に理解可能な計画を必要とする高度なロボティクスタスクのためのLLM統合の可能性を強調している。
  論文  参考訳（メタデータ） (2025-02-26T13:51:28Z)
• MRBTP: Efficient Multi-Robot Behavior Tree Planning and Collaboration [6.239895985962529]
  マルチロボットタスク計画と協調はロボット工学における重要な課題である。 音質と完全性の両方を理論的に保証するマルチロボット行動木計画法(MRBTP)を提案する。 次に,大規模言語モデル (LLM) が各ロボットの目標関連動作を推論するためのオプションプラグインを提案する。
  論文  参考訳（メタデータ） (2025-02-25T10:39:28Z)
• MALMM: Multi-Agent Large Language Models for Zero-Shot Robotics Manipulation [52.739500459903724]
  大規模言語モデル(LLM)は、ロボティクスの操作やナビゲーションなど、さまざまな領域にまたがる優れた計画能力を示している。 特殊なLLMエージェント間で高レベル計画および低レベル制御コード生成を分散する新しいマルチエージェントLLMフレームワークを提案する。 長軸タスクを含む9つのRLBenchタスクに対するアプローチを評価し、ゼロショット環境でロボット操作を解く能力を実証した。
  論文  参考訳（メタデータ） (2024-11-26T17:53:44Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Nl2Hltl2Plan: Scaling Up Natural Language Understanding for Multi-Robots Through Hierarchical Temporal Logic Task Representation [8.180994118420053]
  Nl2Hltl2Planは自然言語コマンドを階層線形時間論理(LTL)に変換するフレームワーク まず、LLMは命令を階層的なタスクツリーに変換し、論理的および時間的関係をキャプチャする。 次に、微調整されたLLMは、サブタスクをフラットな公式に変換し、階層的な仕様に集約する。
  論文  参考訳（メタデータ） (2024-08-15T14:46:13Z)
• AgentGen: Enhancing Planning Abilities for Large Language Model based Agent via Environment and Task Generation [81.32722475387364]
  大規模言語モデルに基づくエージェントが注目され、ますます人気が高まっている。 計画能力は LLM ベースのエージェントの重要な構成要素であり、通常は初期状態から望ましい目標を達成する必要がある。 近年の研究では、専門家レベルの軌跡を指導訓練用LLMに活用することで、効果的に計画能力を向上させることが示されている。
  論文  参考訳（メタデータ） (2024-08-01T17:59:46Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• Decomposition-based Hierarchical Task Allocation and Planning for Multi-Robots under Hierarchical Temporal Logic Specifications [9.150196865878234]
  時間論理仕様を用いたロボット計画のための分解に基づく階層的枠組みを定式化する。 混合線形プログラムは、様々なロボットにサブタスクを割り当てるために使用される。 本手法はナビゲーションと操作の領域に実験的に適用された。
  論文  参考訳（メタデータ） (2023-08-20T23:53:13Z)
• Policy Architectures for Compositional Generalization in Control [71.61675703776628]
  本稿では,タスクにおけるエンティティベースの構成構造をモデル化するためのフレームワークを提案する。 私たちのポリシーは柔軟で、アクションプリミティブを必要とせずにエンドツーエンドでトレーニングできます。
  論文  参考訳（メタデータ） (2022-03-10T06:44:24Z)
• Distributed Mission Planning of Complex Tasks for Heterogeneous Multi-Robot Teams [2.329625852490423]
  異種多ロボットチームのための複雑なミッション計画のための分散多段階最適化手法を提案する。 提案手法は、ミッション目標を定義する階層木として表される、ミッションの多目的探索を含む。 提案手法は,利用可能なロボットと与えられた最適化基準に応じて,計画戦略に適応する能力を示す。
  論文  参考訳（メタデータ） (2021-09-21T11:36:11Z)

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。