論文の概要: A Knowledge-Graph Translation Layer for Mission-Aware Multi-Agent Path Planning in Spatiotemporal Dynamics

• arxiv url: http://arxiv.org/abs/2510.21695v1
• Date: Fri, 24 Oct 2025 17:55:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 09:00:15.563214
• Title: A Knowledge-Graph Translation Layer for Mission-Aware Multi-Agent Path Planning in Spatiotemporal Dynamics
• Title（参考訳）: 時空間変動を考慮したミッション対応多エージェント経路計画のための知識グラフ翻訳層
• Authors: Edward Holmberg, Elias Ioup, Mahdi Abdelguerfi,
• Abstract要約: 知的翻訳層として機能する知識グラフ(KG)を中心としたフレームワークを提案する。 KGの2面構造は、宣言的な事実を、エージェントごとのミッション対応の世界観と物理対応ルールにコンパイルする。 この作業は、KGを単にデータリポジトリとしてではなく、適応的で説明可能な自律システムを構築するための強力でステートフルなオーケストレータとして確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The coordination of autonomous agents in dynamic environments is hampered by the semantic gap between high-level mission objectives and low-level planner inputs. To address this, we introduce a framework centered on a Knowledge Graph (KG) that functions as an intelligent translation layer. The KG's two-plane architecture compiles declarative facts into per-agent, mission-aware ``worldviews" and physics-aware traversal rules, decoupling mission semantics from a domain-agnostic planner. This allows complex, coordinated paths to be modified simply by changing facts in the KG. A case study involving Autonomous Underwater Vehicles (AUVs) in the Gulf of Mexico visually demonstrates the end-to-end process and quantitatively proves that different declarative policies produce distinct, high-performing outcomes. This work establishes the KG not merely as a data repository, but as a powerful, stateful orchestrator for creating adaptive and explainable autonomous systems.
• Abstract（参考訳）: 動的環境における自律エージェントの協調は、高レベルのミッション目標と低レベルのプランナー入力のセマンティックギャップによって妨げられる。 そこで我々は,知的翻訳層として機能する知識グラフ(KG)を中心としたフレームワークを提案する。 KGの2面アーキテクチャは、宣言的な事実を、ドメインに依存しないプランナーからミッションセマンティクスを分離する、エージェントごとの、ミッション対応の『世界観』と物理対応のトラバースルールにコンパイルする。 これにより、複雑な座標パスは、KGの事実を変更するだけで修正できる。 メキシコ湾における自律型水中車両(AUV)に関するケーススタディは、エンド・ツー・エンドの過程を視覚的に証明し、異なる宣言的政策が異なるハイパフォーマンスな結果をもたらすことを定量的に証明している。 この作業は、KGを単にデータリポジトリとしてではなく、適応的で説明可能な自律システムを構築するための強力でステートフルなオーケストレータとして確立する。

関連論文リスト

• Exemplar-Guided Planing: Enhanced LLM Agent for KGQA [15.06175564601295]
  対話型エージェントとしての大規模言語モデル(LLM)は知識グラフ質問回答(KGQA)において有望であることを示す LLMは自然言語クエリと構造化知識グラフ表現の間の意味的ギャップにしばしば苦労する。 我々は,KGQA のための LLM エージェントの計画能力を向上する新しいフレームワーク Exemplar-Guided Planning (EGP) を提案する。
  論文  参考訳（メタデータ） (2025-10-17T03:43:06Z)
• Executable Analytic Concepts as the Missing Link Between VLM Insight and Precise Manipulation [70.8381970762877]
  VLM(Vision-Language Models)は、セマンティック推論とタスク計画において顕著な能力を示す。 本稿では,VLMに基づく推論を実行可能な解析概念を通じて基礎づける新しいフレームワークであるGRACEを紹介する。 G GRACEは高レベル命令理解と低レベルロボット制御の統一的で解釈可能なインターフェースを提供する。
  論文  参考訳（メタデータ） (2025-10-09T09:08:33Z)
• Hierarchical Language Models for Semantic Navigation and Manipulation in an Aerial-Ground Robotic System [7.266794815157721]
  本稿では,大規模言語モデル (LLM) と微調整型視覚言語モデル (VLM) を統合した階層型フレームワークを提案する。 LLMはタスクを分解してグローバルなセマンティックマップを構築し、VLMはタスク特定セマンティックラベルと2次元空間情報を空中画像から抽出し、ローカルプランニングをサポートする。 これは、VLMに基づく認識とLLM駆動のタスク推論とモーションプランニングを統合した地上異種システムの最初の実演である。
  論文  参考訳（メタデータ） (2025-06-05T13:27:41Z)
• SymAgent: A Neural-Symbolic Self-Learning Agent Framework for Complex Reasoning over Knowledge Graphs [38.517345561999115]
  SymAgentは、知識グラフと大規模言語モデルとの協調的な拡張を実現する革新的なニューラルシンボリックエージェントフレームワークである。 我々はKGを動的環境として概念化し、複雑な推論タスクを多段階の対話プロセスに変換することにより、KGが推論プロセスに深く参加できるようにする。
  論文  参考訳（メタデータ） (2025-02-05T15:37:05Z)
• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)

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。