論文の概要: Destination-to-Chutes Task Mapping Optimization for Multi-Robot Coordination in Robotic Sorting Systems
- arxiv url: http://arxiv.org/abs/2510.03472v1
- Date: Fri, 03 Oct 2025 19:49:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.061205
- Title: Destination-to-Chutes Task Mapping Optimization for Multi-Robot Coordination in Robotic Sorting Systems
- Title（参考訳）: ロボットソーティングシステムにおけるマルチロボットコーディネートのためのDestination-to-Chutesタスクマッピング最適化
- Authors: Yulun Zhang, Alexandre O. G. Barbosa, Federico Pecora, Jiaoyang Li,
- Abstract要約: 本研究では,ロボットソーティングシステムのスループット向上のために,タスクマッピングの宛先最適化について検討する。
現実世界のRSSの複雑さのため、高品質なタスクマッピングを見つけることは難しい。
- 参考スコア（独自算出の注目度）: 63.08747450107808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study optimizing a destination-to-chutes task mapping to improve throughput in Robotic Sorting Systems (RSS), where a team of robots sort packages on a sortation floor by transporting them from induct workstations to eject chutes based on their shipping destinations (e.g. Los Angeles or Pittsburgh). The destination-to-chutes task mapping is used to determine which chutes a robot can drop its package. Finding a high-quality task mapping is challenging because of the complexity of a real-world RSS. First, optimizing task mapping is interdependent with robot target assignment and path planning. Second, chutes will be CLOSED for a period of time once they receive sufficient packages to allow for downstream processing. Third, task mapping quality directly impacts the downstream processing, as scattered chutes for the same destination increase package handling time. In this paper, we first formally define task mappings and the problem of Task Mapping Optimization (TMO). We then present a simulator of RSS to evaluate task mappings. We then present a simple TMO method based on the Evolutionary Algorithm and Mixed Integer Linear Programming, demonstrating the advantage of our optimized task mappings over the greedily generated ones in various RSS setups with different map sizes, numbers of chutes, and destinations. Finally, we use Quality Diversity algorithms to analyze the throughput of a diverse set of task mappings. Our code is available online at https://github.com/lunjohnzhang/tmo_public.
- Abstract（参考訳）: そこでは,ロボットのチームが,配送先(ロサンゼルスやピッツバーグなど)に基づいてシュートを排出するインダクタンスワークステーションから荷物を輸送することで,分類フロア上のパッケージをソートする。
目的地から目的地までのタスクマッピングは、ロボットがどのシュートをドロップできるかを決定するために使用される。
現実世界のRSSの複雑さのため、高品質なタスクマッピングを見つけることは難しい。
第一に、タスクマッピングの最適化は、ロボット目標の割り当てと経路計画に相互依存する。
次に、シュートは、ダウンストリーム処理を可能にする十分なパッケージを受け取ると、しばらくの間CLOSEDされる。
第3に、タスクマッピングの品質が下流処理に直接影響を与える。
本稿では、まずタスクマッピングとタスクマッピング最適化(TMO)の課題を正式に定義する。
次に,タスクマッピングを評価するためのRSSシミュレータを提案する。
次に、進化的アルゴリズムと混合整数線形計画法に基づく単純なTMO法を提案し、異なるマップサイズ、シュート数、宛先を持つ様々なRSSセットアップにおいて、グレディに生成されたタスクマッピングに対して最適化されたタスクマッピングの利点を実演する。
最後に、さまざまなタスクマッピングのスループットを分析するために、Quality Diversityアルゴリズムを使用します。
私たちのコードはhttps://github.com/lunjohnzhang/tmo_public.comで公開されている。
関連論文リスト
- A Task and Motion Planning Framework Using Iteratively Deepened AND/OR Graph Networks [3.635602838654497]
本稿では,AND/ORグラフネットワークに基づくタスクと動作計画の統合手法を提案する。
タスク・アンド・モーション・プランニング問題(TAMP)の異なるクラスの実装に活用する。
このアプローチは、シミュレーションと実際のデュアルアームロボットマニピュレータ、すなわちRethink RoboticsのBaxterで評価され、検証されている。
論文 参考訳（メタデータ） (2025-03-10T17:28:22Z) - Multi-Agent Path Finding with Real Robot Dynamics and Interdependent Tasks for Automated Warehouses [1.2810395420131764]
MAPF(Multi-Agent Path Finding)は、自動倉庫や工場にロボットを配置する際の重要な最適化問題である。
ロボットの群れが各注文の商品を棚からワークステーションに届ける倉庫において、オンラインでの注文配達の現実的な問題を考える。
これにより、相互依存型ピックアップおよびデリバリタスクのストリームが生成され、関連するMAPF問題は、現実的な衝突のないロボット軌道の計算によって構成される。
論文 参考訳（メタデータ） (2024-08-26T15:13:38Z) - PRISM-TopoMap: Online Topological Mapping with Place Recognition and Scan Matching [42.74395278382559]
本稿では,局所的な位置のグラフを保持するトポロジカルマッピング手法であるPRISM-TopoMapを紹介する。
提案手法は,ローカライゼーションとループ閉鎖のために,スキャンマッチングパイプラインと組み合わせて学習可能なマルチモーダル位置認識を行う。
提案手法の広範な実験的評価を,写真リアリスティックな環境と実物ロボットを用いて行い,その技術状況と比較する。
論文 参考訳（メタデータ） (2024-04-02T06:25:16Z) - Caching-Augmented Lifelong Multi-Agent Path Finding [25.575748142768298]
Lifelong MAPFは、最初のターゲットが完成したらすぐにターゲットをエージェントに割り当てるが、現実の倉庫計画のより正確な近似を提供する。
本稿では,Lifelong MAPFの性能向上を目的としたCaching-Augmented Lifelong MAPF(CAL-MAPF)という新しいメカニズムを提案する。
論文 参考訳（メタデータ） (2024-03-20T09:07:23Z) - DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in
Complex Environments [55.204450019073036]
本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。
本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。
ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
論文 参考訳（メタデータ） (2022-09-07T00:35:27Z) - Fast Inference and Transfer of Compositional Task Structures for
Few-shot Task Generalization [101.72755769194677]
本稿では,タスクがサブタスクグラフによって特徴づけられる,数発の強化学習問題として定式化する。
我々のマルチタスクサブタスクグラフ推論器(MTSGI)は、トレーニングタスクから、まず、サブタスクグラフの観点から、一般的なハイレベルなタスク構造を推測する。
提案手法は,2次元グリッドワールドおよび複雑なWebナビゲーション領域において,タスクの共通基盤構造を学習し,活用し,未知のタスクへの適応を高速化する。
論文 参考訳（メタデータ） (2022-05-25T10:44:25Z) - An Optimal Transport Perspective on Unpaired Image Super-Resolution [97.24140709634203]
実世界の画像超解像(SR)タスクは、しばしばペア化されたデータセットを持たず、教師付き技術の適用を制限する。
このようなモデルで生じる最適化問題を調査し、2つの驚くべき観測結果を得る。
学習した写像が偏りがあること、すなわち、低解像度画像の分布を高解像度画像に変換するものではないことを実証し、実証的に示す。
論文 参考訳（メタデータ） (2022-02-02T16:21:20Z) - Neural Architecture Search From Fr\'echet Task Distance [50.9995960884133]
与えられたベースラインタスクのセット内の対象タスクと各タスクの間の距離を、ターゲットタスクのニューラルネットワークアーキテクチャ検索スペースを減らすためにどのように使用できるかを示す。
タスク固有のアーキテクチャに対する検索空間の複雑さの低減は、このサイド情報を用いることなく完全な検索を行う代わりに、類似したタスクのために最適化されたアーキテクチャ上に構築することで達成される。
論文 参考訳（メタデータ） (2021-03-23T20:43:31Z) - MTL-NAS: Task-Agnostic Neural Architecture Search towards
General-Purpose Multi-Task Learning [71.90902837008278]
汎用マルチタスク学習(GP-MTL)にニューラルアーキテクチャサーチ(NAS)を導入することを提案する。
異なるタスクの組み合わせに対応するため、GP-MTLネットワークを単一タスクのバックボーンに分割する。
また,探索されたアーキテクチャ間の性能ギャップを埋める単一ショット勾配に基づく探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-03-31T09:49:14Z)
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。