論文の概要: SAFE--MA--RRT: Multi-Agent Motion Planning with Data-Driven Safety Certificates

• arxiv url: http://arxiv.org/abs/2509.04413v1
• Date: Thu, 04 Sep 2025 17:34:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:10.235053
• Title: SAFE--MA--RRT: Multi-Agent Motion Planning with Data-Driven Safety Certificates
• Title（参考訳）: SAFE-MA-RRT:データ駆動安全証明書を用いたマルチエージェント動作計画
• Authors: Babak Esmaeili, Hamidreza Modares,
• Abstract要約: 本稿では,同種線形マルチエージェントシステムのための完全なデータ駆動型モーションプランニングフレームワークを提案する。 各エージェントは実験データからクローズドループの挙動を独立に学習する。 サンプリングベースのプランナーは、隣接する楕円体が重なり合う場合にのみ遷移が許されるような経路点のツリーを構築する。
• 参考スコア（独自算出の注目度）: 6.77934423529734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a fully data-driven motion-planning framework for homogeneous linear multi-agent systems that operate in shared, obstacle-filled workspaces without access to explicit system models. Each agent independently learns its closed-loop behavior from experimental data by solving convex semidefinite programs that generate locally invariant ellipsoids and corresponding state-feedback gains. These ellipsoids, centered along grid-based waypoints, certify the dynamic feasibility of short-range transitions and define safe regions of operation. A sampling-based planner constructs a tree of such waypoints, where transitions are allowed only when adjacent ellipsoids overlap, ensuring invariant-to-invariant transitions and continuous safety. All agents expand their trees simultaneously and are coordinated through a space-time reservation table that guarantees inter-agent safety by preventing simultaneous occupancy and head-on collisions. Each successful edge in the tree is equipped with its own local controller, enabling execution without re-solving optimization problems at runtime. The resulting trajectories are not only dynamically feasible but also provably safe with respect to both environmental constraints and inter-agent collisions. Simulation results demonstrate the effectiveness of the approach in synthesizing synchronized, safe trajectories for multiple agents under shared dynamics and constraints, using only data and convex optimization tools.
• Abstract（参考訳）: 本稿では,共有された障害物に満ちたワークスペースで動作する同種線形マルチエージェントシステムに対して,明示的なシステムモデルにアクセスすることなく,完全なデータ駆動型モーションプランニングフレームワークを提案する。 各エージェントは、局所不変楕円体とそれに対応する状態フィードバックゲインを生成する凸半定プログラムを解くことで、実験データから閉ループ挙動を独立に学習する。 これらの楕円体はグリッドベースの経路点を中心に、短距離遷移の動的実現可能性を確認し、安全な操作領域を定義する。 サンプリングベースプランナーは、隣接する楕円体が重なり合う場合にのみ遷移が許可され、不変から不変への遷移と継続的な安全性を保証するような、そのような経路点のツリーを構築する。 すべてのエージェントが同時に木を拡大し、時空の予約テーブルを通じて調整される。 ツリーのそれぞれの成功したエッジは独自のローカルコントローラを備えており、実行時に最適化問題を解決せずに実行することができる。 結果として生じる軌道は、動的に実現可能であるだけでなく、環境制約とエージェント間衝突の両方に関して、確実に安全である。 シミュレーションの結果は、データと凸最適化ツールのみを用いて、複数のエージェントに対して、共有ダイナミクスと制約の下で、同期された安全な軌道を合成する手法の有効性を示した。

関連論文リスト

• Data-Driven Motion Planning for Uncertain Nonlinear Systems [9.488752723308957]
  本稿では非線形システムのためのデータ駆動型モーションプランニングフレームワークを提案する。 アルゴリズムは重なり合う不変ポリトープの列を構成する。 制御ゲインは、単純なxベースでリアルタイムで補間され、動きを通して不変ポリトープ内の状態を保っている。
  論文  参考訳（メタデータ） (2025-07-31T20:41:34Z)
• Navigating Motion Agents in Dynamic and Cluttered Environments through LLM Reasoning [69.5875073447454]
  本稿では,大規模言語モデル(LLM)によって強化された動作エージェントを,動的・乱雑な環境における自律的なナビゲーションに向けて前進させる。 トレーニング不要なフレームワークは、マルチエージェント調整、クローズドループ計画、動的障害物回避を、リトレーニングや微調整なしでサポートしています。
  論文  参考訳（メタデータ） (2025-03-10T13:39:09Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Dynamic Regret Analysis of Safe Distributed Online Optimization for Convex and Non-convex Problems [14.1081872409308]
  本稿では,未知の線形安全性制約に対する安全な分散オンライン最適化について述べる。 全てのエージェントは、推定可能なセットを構築するためにパラメータを協調的に推定し、最適化フェーズにおけるアクション選択の安全性を確保する。
  論文  参考訳（メタデータ） (2023-02-23T20:34:01Z)
• Multi-Agent Chance-Constrained Stochastic Shortest Path with Application to Risk-Aware Intelligent Intersection [15.149982804527182]
  既存の自動交差点の深刻な課題は、運転環境や人間駆動車からの不確実性の検出と推論にある。 自動運転車(AV)と人間駆動車(HV)のためのリスク対応知的交差点システムを提案する。
  論文  参考訳（メタデータ） (2022-10-03T06:49:23Z)
• DiffCo: Auto-Differentiable Proxy Collision Detection with Multi-class Labels for Safety-Aware Trajectory Optimization [5.35056843248536]
  DiffCoは、衝突検出のための最初の完全自動微分可能非パラメトリックモデルである。 バックプロパゲーションによる軌道最適化のための頑健な勾配を提供し、幾何学的手法よりも計算が10-100倍高速であることが多い。
  論文  参考訳（メタデータ） (2021-02-15T09:31:26Z)

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。