論文の概要: Bridging Probabilistic Inference and Behavior Trees: An Interactive Framework for Adaptive Multi-Robot Cooperation

• arxiv url: http://arxiv.org/abs/2512.04404v1
• Date: Thu, 04 Dec 2025 03:08:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.118273
• Title: Bridging Probabilistic Inference and Behavior Trees: An Interactive Framework for Adaptive Multi-Robot Cooperation
• Title（参考訳）: ブリッジング確率的推論と行動木: 適応型マルチロボット協調のための対話型フレームワーク
• Authors: Chaoran Wang, Jingyuan Sun, Yanhui Zhang, Changju Wu,
• Abstract要約: 本稿では,対話型推論行動木(IIBT)フレームワークを提案する。 提案したIIBTノードは従来のBTを確率論的推論で拡張し、複数のロボットをまたいだオンライン共同計画と実行を可能にする。 実験の結果,IIBTフレームワークはBTノードの複雑性を70%以上低減し,頑健で解釈可能で適応的な協調動作を維持した。
• 参考スコア（独自算出の注目度）: 8.358857123007006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes an Interactive Inference Behavior Tree (IIBT) framework that integrates behavior trees (BTs) with active inference under the free energy principle for distributed multi-robot decision-making. The proposed IIBT node extends conventional BTs with probabilistic reasoning, enabling online joint planning and execution across multiple robots. It remains fully compatible with standard BT architectures, allowing seamless integration into existing multi-robot control systems. Within this framework, multi-robot cooperation is formulated as a free-energy minimization process, where each robot dynamically updates its preference matrix based on perceptual inputs and peer intentions, thereby achieving adaptive coordination in partially observable and dynamic environments. The proposed approach is validated through both simulation and real-world experiments, including a multi-robot maze navigation and a collaborative manipulation task, compared against traditional BTs(https://youtu.be/KX_oT3IDTf4). Experimental results demonstrate that the IIBT framework reduces BT node complexity by over 70%, while maintaining robust, interpretable, and adaptive cooperative behavior under environmental uncertainty.
• Abstract（参考訳）: 本稿では,分散マルチロボット意思決定のための自由エネルギー原理の下で,動作木(BT)とアクティブ推論を統合した対話型推論行動木(IIBT)フレームワークを提案する。 提案したIIBTノードは従来のBTを確率論的推論で拡張し、複数のロボットをまたいだオンライン共同計画と実行を可能にする。 標準のBTアーキテクチャと完全に互換性があり、既存のマルチロボット制御システムとシームレスに統合できる。 この枠組みでは、ロボットが知覚的な入力やピアの意図に基づいて好みの行列を動的に更新し、部分的に観察可能で動的な環境下で適応的な調整を行うことにより、自由エネルギーの最小化プロセスとしてマルチロボット協調が定式化される。 提案手法は,マルチロボット迷路ナビゲーションや協調操作タスクなど,シミュレーションと実世界の両方の実験を通じて検証される(https://youtu.be/KX_oT3IDTf4)。 実験の結果,IIBTフレームワークはBTノードの複雑性を70%以上低減し,環境不確実性下でのロバストで解釈可能で適応的な協調行動を維持した。

関連論文リスト

• Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
  本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。 このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
  論文  参考訳（メタデータ） (2026-03-03T17:41:42Z)
• Scalable Multi-Robot Path Planning via Quadratic Unconstrained Binary Optimization [0.0]
  マルチエージェントパスファインディング(MAPF)はロボティクスの基本的な課題である。 本稿では,複数ロボット経路計画のための構造的・スケーラブルな代替手段として,擬似非拘束バイナリ最適化(QUBO)について検討する。
  論文  参考訳（メタデータ） (2026-02-16T14:50:04Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• Behavior Trees vs Executable Ontologies: a Comparative Analysis of Robot Control Paradigms [51.56484100374058]
  ロボット行動のモデリングには,インペラティブ・ビヘイビア・ツリー(BT)と宣言的実行可能オントロジー(EO)の2つのアプローチを比較した。 一方、EOはデータフロールールによって駆動される時間的イベントベースのセマンティックグラフとしてドメインを表現している。
  論文  参考訳（メタデータ） (2025-11-19T09:38:01Z)
• MRBTP: Efficient Multi-Robot Behavior Tree Planning and Collaboration [6.239895985962529]
  マルチロボットタスク計画と協調はロボット工学における重要な課題である。 音質と完全性の両方を理論的に保証するマルチロボット行動木計画法(MRBTP)を提案する。 次に,大規模言語モデル (LLM) が各ロボットの目標関連動作を推論するためのオプションプラグインを提案する。
  論文  参考訳（メタデータ） (2025-02-25T10:39:28Z)
• Capability-Aware Shared Hypernetworks for Flexible Heterogeneous Multi-Robot Coordination [1.5970870882365]
  マルチロボットチームのための能力認識共有ハイパーネットワークス(CASH)を提案する。 CASHは、ハイパーネットワークを使用してフレキシブルな共有ポリシを効率的に学習する、ソフトウェイト共有アーキテクチャである。 トレーニングとゼロショットの一般化の両方において、CASHは性能とサンプル効率の点で、ベースラインアーキテクチャを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2025-01-10T15:39:39Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Multi-robot Social-aware Cooperative Planning in Pedestrian Environments Using Multi-agent Reinforcement Learning [2.7716102039510564]
  我々は、非政治的マルチエージェント強化学習(MARL)に基づく、新しいマルチロボット・ソーシャル・アウェア・効率的な協調プランナーを提案する。 我々は、時間空間グラフ(TSG)に基づくソーシャルエンコーダを採用し、その視野における各ロボットと歩行者の社会的関係の重要性をよりよく抽出する。
  論文  参考訳（メタデータ） (2022-11-29T03:38:47Z)
• Active Inference and Behavior Trees for Reactive Action Planning and Execution in Robotics [2.040132783511305]
  本研究では,動的環境における動的行動計画と実行のための活性推論と行動木(BT)の組み合わせを提案する。 提案手法により、部分的に観測可能な初期状態を扱うことができ、予期せぬ事態に対する古典的なBTの堅牢性を向上させることができる。
  論文  参考訳（メタデータ） (2020-11-19T10:24:41Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)

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。