論文の概要: Real-Time LaCAM

• arxiv url: http://arxiv.org/abs/2504.06091v1
• Date: Tue, 08 Apr 2025 14:31:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-09 13:28:31.014296
• Title: Real-Time LaCAM
• Title（参考訳）: リアルタイムLaCAM
• Authors: Runzhe Liang, Rishi Veerapaneni, Daniel Harabor, Jiaoyang Li, Maxim Likhachev,
• Abstract要約: 証明可能な完全性を保証する最初のリアルタイムMAPF法を示す。 以上の結果から,1ミリ秒の遮断時間で混雑環境を反復的に計画する方法が示唆された。 また,シングルステップ学習MAPFポリシーでどのように使用できるかを示す。
• 参考スコア（独自算出の注目度）: 22.71258123808555
• License:
• Abstract: The vast majority of Multi-Agent Path Finding (MAPF) methods with completeness guarantees require planning full horizon paths. However, planning full horizon paths can take too long and be impractical in real-world applications. Instead, real-time planning and execution, which only allows the planner a finite amount of time before executing and replanning, is more practical for real world multi-agent systems. Several methods utilize real-time planning schemes but none are provably complete, which leads to livelock or deadlock. Our main contribution is to show the first Real-Time MAPF method with provable completeness guarantees. We do this by leveraging LaCAM (Okumura 2023) in an incremental fashion. Our results show how we can iteratively plan for congested environments with a cutoff time of milliseconds while still maintaining the same success rate as full horizon LaCAM. We also show how it can be used with a single-step learned MAPF policy. The proposed Real-Time LaCAM also provides us with a general mechanism for using iterative constraints for completeness in future real-time MAPF algorithms.
• Abstract（参考訳）: 完全性を保証するMulti-Agent Path Finding (MAPF) 手法の大部分は、完全な水平線経路を計画する必要がある。 しかし、完全な水平線経路の計画には時間がかかり、現実のアプリケーションでは実用的ではない。 代わりに、リアルタイムの計画と実行は、プランナーが実行および再計画する前に限られた時間しか持たないが、現実のマルチエージェントシステムにとってより実用的なものである。 いくつかの手法はリアルタイムの計画スキームを利用するが、証明可能な完成度は得られず、ライブロックやデッドロックに繋がる。 我々の主な貢献は、証明可能な完全性を保証する最初のリアルタイムMAPF法を示すことである。 LaCAM(Okumura 2023)を漸進的に活用することで、これを実現しています。 以上の結果から,LaCAMと同等の成功率を維持しつつ,1ミリ秒の遮断時間で混雑環境を反復的に計画できることが示唆された。 また,シングルステップ学習MAPFポリシーでどのように使用できるかを示す。 提案したReal-Time LaCAMは、将来のリアルタイムMAPFアルゴリズムにおいて、完全性に対する反復的制約を使用するための一般的なメカニズムを提供する。

関連論文リスト

• EgoPlan-Bench2: A Benchmark for Multimodal Large Language Model Planning in Real-World Scenarios [53.26658545922884]
  EgoPlan-Bench2は,MLLMの計画能力を評価するためのベンチマークである。 我々は,21の競争的MLLMを評価し,その限界を詳細に分析した結果,実世界の計画において大きな課題に直面していることが明らかとなった。 EgoPlan-Bench2におけるGPT-4Vの10.24倍の性能向上を図る。
  論文  参考訳（メタデータ） (2024-12-05T18:57:23Z)
• Windowed MAPF with Completeness Guarantees [23.16660963084037]
  完全性を実現するウインドウドMAPFのためのフレームワークWinC-MAPFを紹介する。 また,CBSに新たな変更を加えて,この枠組みを即時化するシングルステップCBS (SS-CBS) も開発した。 単一のステップとアップデートしか計画していないSS-CBSが、既存のウィンドウ化アプローチが失敗する難しいシナリオを効果的に解決できることを示す。
  論文  参考訳（メタデータ） (2024-10-02T17:55:46Z)
• Neural MP: A Generalist Neural Motion Planner [75.82675575009077]
  運動計画問題にデータ駆動学習を大規模に適用することで,これを実現する。 提案手法は, シミュレーションの複雑なシーンを多数構築し, モーションプランナーから専門家のデータを収集し, 反応的なジェネラリストポリシーに抽出する。 我々は,4つの異なる環境における64の動作計画タスクについて,その方法の徹底的な評価を行う。
  論文  参考訳（メタデータ） (2024-09-09T17:59:45Z)
• Can Vehicle Motion Planning Generalize to Realistic Long-tail Scenarios? [11.917542484123134]
  現実の自動運転システムは、稀で多様な交通シナリオに直面して安全な判断をしなければならない。 現在の最先端のプランナーは、主にnuScenes(オープンループ)やnuPlan(クローズループ)といった現実世界のデータセットで評価されます。
  論文  参考訳（メタデータ） (2024-04-11T08:57:48Z)
• Improving Learnt Local MAPF Policies with Heuristic Search [24.06091123268885]
  MAPF (Multi-Adnt Path Finding) は、エージェントのチームが目標地点に到達するための衝突のない経路を見つける問題である。 MAPFに対する現在の機械学習アプローチでは、このポテンシャルの表面を掻き傷始めた手法が提案されている。 我々は,学習ポリシーを用いた検索のモデルに依存しないいくつかの方法を示し,政策の成功率とスケーラビリティを著しく向上させる。
  論文  参考訳（メタデータ） (2024-03-29T17:16:20Z)
• 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)
• 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)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• Improving LaCAM for Scalable Eventually Optimal Multi-Agent Pathfinding [5.025654873456756]
  マルチエージェントパスフィンディング(MAPF)のための最近開発されたLaCAMアルゴリズムを拡張した。 LaCAMは、遅延後継生成を用いて計画作業を劇的に削減する、サブ最適検索ベースのアルゴリズムである。 我々は、LaCAM*と呼ばれる任意のバージョンを提案し、最終的にはオプティマに収束する。
  論文  参考訳（メタデータ） (2023-05-05T15:43:20Z)
• Model-Based Reinforcement Learning via Latent-Space Collocation [110.04005442935828]
  我々は、行動だけでなく、状態の順序を計画することで、長期的タスクの解決がより容易であると主張する。 我々は、学習された潜在状態空間モデルを利用して、画像に基づく設定に最適な制御文献における長い水平タスクに対する良い結果を示すコロケーションの概念を適応させる。
  論文  参考訳（メタデータ） (2021-06-24T17:59:18Z)
• MODNet: Real-Time Trimap-Free Portrait Matting via Objective Decomposition [39.60219801564855]
  既存のポートレート・マッティング法では、計算コストのかかる複数のステージを取得または含むのに費用がかかる補助的な入力が必要となる。 ポートレート・マッティングを1つの入力画像でリアルタイムに行うための軽量なマッティング客観分解ネットワーク(MODNet)を提案する。
  論文  参考訳（メタデータ） (2020-11-24T08:38:36Z)

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。