論文の概要: Advancing MAPF towards the Real World: A Scalable Multi-Agent Realistic Testbed (SMART)

• arxiv url: http://arxiv.org/abs/2503.04798v1
• Date: Mon, 03 Mar 2025 05:26:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 15:56:30.272269
• Title: Advancing MAPF towards the Real World: A Scalable Multi-Agent Realistic Testbed (SMART)
• Title（参考訳）: MAPFの現実世界への展開: スケーラブルなマルチエージェントリアルテストベッド(SMART)
• Authors: Jingtian Yan, Zhifei Li, William Kang, Yulun Zhang, Stephen Smith, Jiaoyang Li,
• Abstract要約: Scalable Multi-Agent Realistic Testbed (smart)は、マルチエージェントパス探索(MAPF)アルゴリズムを評価するための、現実的で効率的なソフトウェアツールである。 我々は,実世界のシナリオにおけるMAPFアルゴリズムの実行に関する研究質問をSMARTを用いて探索し,実証する。
• 参考スコア（独自算出の注目度）: 37.17845947950689
• License:
• Abstract: We present Scalable Multi-Agent Realistic Testbed (SMART), a realistic and efficient software tool for evaluating Multi-Agent Path Finding (MAPF) algorithms. MAPF focuses on planning collision-free paths for a group of agents. While state-of-the-art MAPF algorithms can plan paths for hundreds of robots in seconds, they often rely on simplified robot models, making their real-world performance unclear. Researchers typically lack access to hundreds of physical robots in laboratory settings to evaluate the algorithms. Meanwhile, industrial professionals who lack expertise in MAPF require an easy-to-use simulator to efficiently test and understand the performance of MAPF algorithms in their specific settings. SMART fills this gap with several advantages: (1) SMART uses a physics-engine-based simulator to create realistic simulation environments, accounting for complex real-world factors such as robot kinodynamics and execution uncertainties, (2) SMART uses an execution monitor framework based on the Action Dependency Graph, facilitating seamless integration with various MAPF algorithms and robot models, and (3) SMART scales to thousands of robots. In addition, we use SMART to explore and demonstrate research questions about the execution of MAPF algorithms in real-world scenarios. The code is publicly available at https://jingtianyan.github.io/publication/2025-smart.
• Abstract（参考訳）: 本稿では,マルチエージェントパス探索(MAPF)アルゴリズムを評価するための,現実的で効率的なソフトウェアツールである,スケーラブルなマルチエージェント現実テストベッド(SMART)を提案する。 MAPFは、エージェントのグループのための衝突のない経路の計画に焦点を当てている。 現在最先端のMAPFアルゴリズムは、数百のロボットのパスを数秒で計画できるが、それらはしばしば単純化されたロボットモデルに依存しており、実際のパフォーマンスが不明確である。 研究者は通常、アルゴリズムを評価するために実験室で何百もの物理ロボットにアクセスできない。 一方、MAPFの専門知識を持たない産業専門家は、MAPFアルゴリズムの特定の設定における性能を効率よくテストし理解するために、使い勝手の良いシミュレータを必要とする。 SMARTは物理工学に基づくシミュレータを用いて現実的なシミュレーション環境を作成し,ロボットのキノダイナミックスや実行の不確実性などの複雑な現実的要因を考慮し,SMARTはAction Dependency Graphに基づく実行監視フレームワークを使用し,MAPFアルゴリズムやロボットモデルとのシームレスな統合を容易にし,SMARTは数千のロボットにスケールする。 さらに,実世界のシナリオにおけるMAPFアルゴリズムの実行に関する研究課題を,SMARTを用いて探索し,実証する。 コードはhttps://jingtianyan.github.io/publication/2025-smart.comで公開されている。

関連論文リスト

• Multi-Agent Motion Planning For Differential Drive Robots Through Stationary State Search [5.9176395108304805]
  MAMP(Multi-Agent Motion Planning)は、交通管理、空港の運営、倉庫の自動化など、様々な分野で応用されている。 本稿では,これらの課題に対処するため,MASSと呼ばれる3段階のフレームワークを提案する。 MASSはMAPFベースの手法と定常状態探索プランナを組み合わせることで,高品質なキノダイナミックな計画を生成する。
  論文  参考訳（メタデータ） (2024-12-17T22:17:42Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Scalable Mechanism Design for Multi-Agent Path Finding [87.40027406028425]
  MAPF (Multi-Agent Path Finding) は、複数のエージェントが同時に移動し、与えられた目標地点に向かって共有領域を通って衝突しない経路を決定する。 最適解を見つけることは、しばしば計算不可能であり、近似的な準最適アルゴリズムを用いることが不可欠である。 本稿では、MAPFのスケーラブルな機構設計の問題を紹介し、MAPFアルゴリズムを近似した3つの戦略防御機構を提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:26:04Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• Asynchronous Multi-Agent Reinforcement Learning for Efficient Real-Time Multi-Robot Cooperative Exploration [16.681164058779146]
  本稿では,複数のロボットが,未知の領域をできるだけ早く探索する必要がある,協調探索の課題について考察する。 既存のMARLベースの手法では、すべてのエージェントが完全に同期的に動作していると仮定して、探索効率の指標としてアクション作成ステップを採用している。 本稿では,非同期MARLソリューションであるAsynchronous Coordination Explorer (ACE)を提案する。
  論文  参考訳（メタデータ） (2023-01-09T14:53:38Z)
• Graph-Based Multi-Robot Path Finding and Planning [3.4260993997836753]
  複数のロボットの衝突のない経路を計画することは、現実のマルチロボットシステムにとって重要である。 近年の進歩により、何百ものロボットの衝突のない経路を計算できるMAPFアルゴリズムが実現されている。
  論文  参考訳（メタデータ） (2022-06-22T18:47:00Z)
• From Multi-agent to Multi-robot: A Scalable Training and Evaluation Platform for Multi-robot Reinforcement Learning [12.74238738538799]
  マルチエージェント強化学習(MARL)は、過去数十年間、学術や産業から広く注目を集めてきた。 これらの手法が実際のシナリオ、特にマルチロボットシステムでどのように機能するかは未だ分かっていない。 本稿では,マルチロボット強化学習(MRRL)のためのスケーラブルなエミュレーションプラットフォームSMARTを提案する。
  論文  参考訳（メタデータ） (2022-06-20T06:36:45Z)
• Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems [92.26462290867963]
  Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
  論文  参考訳（メタデータ） (2021-06-28T03:56:40Z)
• PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable Physics [89.81550748680245]
  PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。 各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。 本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
  論文  参考訳（メタデータ） (2021-04-07T17:59:23Z)

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。