論文の概要: Multi-robot Path Planning and Scheduling via Model Predictive Optimal Transport (MPC-OT)
- arxiv url: http://arxiv.org/abs/2508.21205v1
- Date: Thu, 28 Aug 2025 20:47:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-01 19:45:10.872636
- Title: Multi-robot Path Planning and Scheduling via Model Predictive Optimal Transport (MPC-OT)
- Title（参考訳）: モデル予測最適輸送(MPC-OT)によるマルチロボット経路計画とスケジューリング
- Authors: Usman A. Khan, Mouhacine Benosman, Wenliang Liu, Federico Pecora, Joseph W. Durham,
- Abstract要約: 我々は、デッドロック障害のある共通空間において、100万ドルのロボットが100万ドルの目標にナビゲートされる仕組みを検討する。
最適計画に基づく戦略を導出し、重複しない軌道を保証する。
本研究では, 時空間構造を最適輸送へ統合し, テクトitremodelplans と textitremodelplans の助けを借りて予測できることを示す。
- 参考スコア（独自算出の注目度）: 5.013737017051114
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a novel methodology for path planning and scheduling for multi-robot navigation that is based on optimal transport theory and model predictive control. We consider a setup where $N$ robots are tasked to navigate to $M$ targets in a common space with obstacles. Mapping robots to targets first and then planning paths can result in overlapping paths that lead to deadlocks. We derive a strategy based on optimal transport that not only provides minimum cost paths from robots to targets but also guarantees non-overlapping trajectories. We achieve this by discretizing the space of interest into $K$ cells and by imposing a ${K\times K}$ cost structure that describes the cost of transitioning from one cell to another. Optimal transport then provides \textit{optimal and non-overlapping} cell transitions for the robots to reach the targets that can be readily deployed without any scheduling considerations. The proposed solution requires $\unicode{x1D4AA}(K^3\log K)$ computations in the worst-case and $\unicode{x1D4AA}(K^2\log K)$ for well-behaved problems. To further accommodate potentially overlapping trajectories (unavoidable in certain situations) as well as robot dynamics, we show that a temporal structure can be integrated into optimal transport with the help of \textit{replans} and \textit{model predictive control}.
- Abstract（参考訳）: 本稿では,最適輸送理論とモデル予測制御に基づくマルチロボットナビゲーションのための経路計画とスケジューリング手法を提案する。
障害物のある共通空間において、N$ロボットがM$ターゲットにナビゲートされるようなセットアップを考えます。
ロボットをまずターゲットにマッピングし、次に計画経路が重なり、デッドロックにつながる。
ロボットから目標への最小コスト経路を提供するだけでなく、重複しない軌道も保証する最適輸送に基づく戦略を導出する。
我々は、関心の空間を$K$セルに離散化し、あるセルから別のセルへ移行するコストを記述する${K\times K}$コスト構造を付与することでこれを達成している。
最適なトランスポートは、ロボットがスケジューリングの考慮なしに容易にデプロイできるターゲットに到達するために、‘textit{optimal and non-overlapping} セルトランジションを提供する。
提案手法は、最悪の場合の$\unicode{x1D4AA}(K^3\log K)$計算と、良好な問題に対して$\unicode{x1D4AA}(K^2\log K)$計算を必要とする。
さらに、重なり合う可能性のある軌跡(特定の状況では避けられない)やロボット力学に適応するために、時間的構造を最適輸送に組み込むことが、 \textit{replans} と \textit{model predictive control} の助けを借りて可能であることを示す。
関連論文リスト
- Semantic Intelligence: Integrating GPT-4 with A Planning in Low-Cost Robotics [8.943924354248622]
本稿では,ROS2 Humbleで動作する低コストロボットプラットフォーム上で,GPT-4のセマンティック推論をA*と統合するフレームワークを提案する。
本稿では,まず資源目標へのナビゲートを行い,次に最終目的地に安全に到達するなど,シーケンシャルなタスクの多段階推論を実証する。
その結果、A* は基本経路生成や障害物回避においてより高速で精度が高いが、GPT-4 統合システムは純粋幾何学的プランナーでは不可能なセマンティックタスクにおいて高い成功率 (96-100%) を達成することがわかった。
論文 参考訳（メタデータ） (2025-05-03T21:49:14Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - Fast and scalable Wasserstein-1 neural optimal transport solver for single-cell perturbation prediction [55.89763969583124]
最適輸送(OT)理論はそのようなマッピングを構築するための原則的な枠組みを提供する。
We propose a novel solver based on Wasserstein-1 (W$) dual formulation。
我々の実験は、提案した$W$のニューラル・トランスポート・ソルバが、ユニークなモンマップを見つける際に、$W$のOTを模倣できることを実証した。
論文 参考訳（メタデータ） (2024-11-01T14:23:19Z) - Neural Potential Field for Obstacle-Aware Local Motion Planning [46.42871544295734]
本稿では,ロボットのポーズ,障害物マップ,ロボットのフットプリントに基づいて,異なる衝突コストを返却するニューラルネットワークモデルを提案する。
私たちのアーキテクチャには、障害物マップとロボットフットプリントを埋め込みに変換するニューラルイメージエンコーダが含まれています。
Husky UGVモバイルロボットの実験は、我々のアプローチがリアルタイムで安全なローカルプランニングを可能にすることを示した。
論文 参考訳（メタデータ） (2023-10-25T05:00:21Z) - POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。
我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文 参考訳（メタデータ） (2023-07-16T19:44:27Z) - Decentralized Social Navigation with Non-Cooperative Robots via Bi-Level
Optimization [11.638394339813154]
本稿では,ソーシャルミニゲームにおけるリアルタイム非協調型マルチロボットナビゲーションのための,完全に分散化されたアプローチを提案する。
我々のコントリビューションは新しいリアルタイムバイレベル最適化アルゴリズムであり、トップレベルの最適化は公正で衝突のない順序付けを演算する。
F$1/10のロボット、Clearpath Jackal、Boston Dynamics Spotを使って提案したアルゴリズムを現実世界に展開することに成功しました。
論文 参考訳（メタデータ） (2023-06-15T02:18:21Z) - DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。
本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。
このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
論文 参考訳（メタデータ） (2023-01-18T11:02:06Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Optimal Cost Design for Model Predictive Control [30.86835688868485]
多くのロボティクスドメインは、計画に非モデル制御(MPC)を使用し、時間的地平線を減らし、最適化を行い、各ステップで再計画を行う。
本研究では, MPC を用いて最適化するコストは, タスクの真理コスト(端末コスト)と同等である,という一般的な仮定に挑戦する。
連続型MDPにおけるMPC計画ロボットの最適コストを設計できるゼロ階トラジェクトリに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-04-23T00:00:58Z) - The Value of Planning for Infinite-Horizon Model Predictive Control [0.0]
現代のプランナーが使用する中間データ構造を近似値関数として解釈する方法を示す。
この値関数はMPCによって直接使用できることを示し、実行時により効率的で回復力のある振る舞いをもたらす。
論文 参考訳（メタデータ） (2021-04-07T02:21:55Z)
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。