論文の概要: PRISM: Complete Online Decentralized Multi-Agent Pathfinding with Rapid Information Sharing using Motion Constraints
- arxiv url: http://arxiv.org/abs/2505.08025v1
- Date: Mon, 12 May 2025 19:48:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-14 20:57:54.319549
- Title: PRISM: Complete Online Decentralized Multi-Agent Pathfinding with Rapid Information Sharing using Motion Constraints
- Title（参考訳）: PRISM: 動き制約を用いた高速情報共有による完全オンライン分散マルチエージェントパスフィニング
- Authors: Hannah Lee, Zachary Serlin, James Motes, Brendan Long, Marco Morales, Nancy M. Amato,
- Abstract要約: PRISMはマルチタスクマルチエージェントパスフィンディング問題に対処するために設計された分散アルゴリズムである。
情報パケットを使って動き制約情報を交換する、迅速な通信戦略を採用している。
PRISMはCBSの3.4倍のエージェントをサポートし、TPTSの2.5倍のタスクを処理している。
- 参考スコア（独自算出の注目度）: 1.4740020507123972
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce PRISM (Pathfinding with Rapid Information Sharing using Motion Constraints), a decentralized algorithm designed to address the multi-task multi-agent pathfinding (MT-MAPF) problem. PRISM enables large teams of agents to concurrently plan safe and efficient paths for multiple tasks while avoiding collisions. It employs a rapid communication strategy that uses information packets to exchange motion constraint information, enhancing cooperative pathfinding and situational awareness, even in scenarios without direct communication. We prove that PRISM resolves and avoids all deadlock scenarios when possible, a critical challenge in decentralized pathfinding. Empirically, we evaluate PRISM across five environments and 25 random scenarios, benchmarking it against the centralized Conflict-Based Search (CBS) and the decentralized Token Passing with Task Swaps (TPTS) algorithms. PRISM demonstrates scalability and solution quality, supporting 3.4 times more agents than CBS and handling up to 2.5 times more tasks in narrow passage environments than TPTS. Additionally, PRISM matches CBS in solution quality while achieving faster computation times, even under low-connectivity conditions. Its decentralized design reduces the computational burden on individual agents, making it scalable for large environments. These results confirm PRISM's robustness, scalability, and effectiveness in complex and dynamic pathfinding scenarios.
- Abstract（参考訳）: PRISM (Pathfinding with Rapid Information Sharing using Motion Constraints) はマルチタスクマルチエージェントパスフィンディング(MT-MAPF)問題に対処するために設計された分散アルゴリズムである。
PRISMは、大規模なエージェントチームが衝突を避けながら、複数のタスクに対して安全で効率的なパスを同時に計画することを可能にする。
情報パケットを用いて移動制約情報を交換し、直接通信のないシナリオにおいても協調的パスフィニングと状況認識を強化する。
PRISMは可能な限りデッドロックシナリオの解決と回避を図っており、分散パスフィニングにおける重要な課題である。
PRISMを5つの環境と25のランダムシナリオで評価し,集中型Conflict-Based Search (CBS) とタスクスワップを用いた分散トークンパス (TPTS) アルゴリズムと比較した。
PRISMはスケーラビリティとソリューションの品質を示し、CBSの3.4倍のエージェントをサポートし、TPTSの2.5倍のタスクを処理する。
さらに、PRISMは、低接続条件下でも高速な計算時間を実現しながら、CBSのソリューション品質にマッチする。
分散設計により、個々のエージェントの計算負担が軽減され、大規模環境にスケーラブルになる。
これらの結果はPRISMの複雑および動的パスフィニングシナリオにおけるロバスト性、スケーラビリティ、有効性を確認した。
関連論文リスト
- PRIMER: Perception-Aware Robust Learning-based Multiagent Trajectory Planner [27.940732086479265]
まず、PARMとPARM*、認識対応、分散化、非同期マルチエージェント・トラジェクトリ・プランナについて述べる。
次に、PARM*を専門家実証者として用い、模倣学習(IL)を訓練した学習ベースプランナーであるPRIMERを紹介する。
論文 参考訳（メタデータ） (2024-06-14T14:16:39Z) - Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [94.2860766709971]
統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。
我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
論文 参考訳（メタデータ） (2024-04-04T06:24:11Z) - Optimizing Crowd-Aware Multi-Agent Path Finding through Local Communication with Graph Neural Networks [15.88107215224685]
混在環境におけるマルチエージェントパス探索 (MAPF) は, 移動計画において困難な問題となる。
本稿では,この問題を解決するために,クラウド対応の分散強化学習手法であるCRAMPを紹介する。
CRAMPは, メースパンと衝突数で測定された溶液品質を最大59%改善し, 従来の方法と比較して最大35%改善した。
論文 参考訳（メタデータ） (2023-09-19T03:02:43Z) - Distributed-Training-and-Execution Multi-Agent Reinforcement Learning
for Power Control in HetNet [48.96004919910818]
We propose a multi-agent Deep reinforcement learning (MADRL) based power control scheme for the HetNet。
エージェント間の協調を促進するために,MADRLシステムのためのペナルティベースQラーニング(PQL)アルゴリズムを開発した。
このように、エージェントのポリシーは、他のエージェントによってより容易に学習でき、より効率的なコラボレーションプロセスをもたらす。
論文 参考訳（メタデータ） (2022-12-15T17:01:56Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。
我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
論文 参考訳（メタデータ） (2021-12-03T19:23:48Z) - Differentially Private Multi-Agent Planning for Logistic-like Problems [70.3758644421664]
本稿では,ロジスティックな問題に対する強力なプライバシ保護計画手法を提案する。
1) 強いプライバシー、完全性、効率性、2) 通信制約に対処する2つの課題に対処する。
我々の知る限り、マルチエージェントプランニングの分野に差分プライバシーを適用したのは、この論文が初めてである。
論文 参考訳（メタデータ） (2020-08-16T03:43:09Z)
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。