論文の概要: Contingency Model-based Control (CMC) for Communicationless Cooperative Collision Avoidance in Robot Swarms

• arxiv url: http://arxiv.org/abs/2512.20391v3
• Date: Tue, 30 Dec 2025 14:38:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.483575
• Title: Contingency Model-based Control (CMC) for Communicationless Cooperative Collision Avoidance in Robot Swarms
• Title（参考訳）: ロボット群におけるコミュニケーションレス協調回避のためのContingency Model-based Control (CMC)
• Authors: Georg Schildbach,
• Abstract要約: CMC(Contingency Model-based Control)は、コミュニケーションに依存しない分散協調型アプローチである。 本稿では,コミュニケーションに依存しない分散協調型アプローチであるContingency Model-based Control (CMC)を提案する。
• 参考スコア（独自算出の注目度）: 1.8731986346520637
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cooperative collision avoidance between robots, or `agents,' in swarm operations remains an open challenge. Assuming a decentralized architecture, each agent is responsible for making its own decisions and choosing its control actions. Most existing approaches rely on a (wireless) communication network between (some of) the agents. In reality, however, communication is brittle. It may be affected by latency, further delays and packet losses, and transmission faults. Moreover, it is subject to adversarial attacks, such as jamming or spoofing. This paper proposes Contingency Model-based Control (CMC), a decentralized cooperative approach that does not rely on communication. Instead, the control algorithm is based on consensual rules that are designed for all agents offline, similar to traffic rules. For CMC, this includes the definition of a contingency trajectory for each robot, and perpendicular bisecting planes as collision avoidance constraints. The setup permits a full guarantee of recursive feasibility and collision avoidance between all swarm members in closed-loop operation. CMC naturally satisfies the plug & play paradigm, i.e., new robots may enter the swarm dynamically. The effectiveness of the CMC regime is demonstrated in two numerical examples, showing that the collision avoidance guarantee is intact and the robot swarm operates smoothly in a constrained environment.
• Abstract（参考訳）: Swarm 操作におけるロボット間の協調的衝突回避,あるいは 'エージェント' は,依然としてオープンな課題である。 分散アーキテクチャを仮定すると、各エージェントは独自の決定を行い、コントロールアクションを選択する責任を負う。 既存のアプローチのほとんどは、エージェント間の(ワイヤレス)通信ネットワークに依存しています。 しかし、実際にはコミュニケーションは不安定です。 レイテンシ、さらなる遅延、パケット損失、送信障害に影響される可能性がある。 また、ジャミングやスプーフといった敵の攻撃を受けることもある。 本稿では,コミュニケーションに依存しない分散協調型アプローチであるContingency Model-based Control (CMC)を提案する。 代わりに、制御アルゴリズムは、トラフィックルールと同様、すべてのエージェントに対してオフラインで設計された合意ルールに基づいている。 CMCでは、各ロボットの並行軌道の定義や衝突回避の制約として垂直二分平面が定義されている。 このセットアップにより、クローズドループ動作において、すべてのSwarmメンバー間の再帰的実現性と衝突回避の完全な保証が可能になる。 CMCは自然にプラグ&プレイのパラダイムを満足している。 CMC体制の有効性は2つの数値例で示され、衝突回避保証が無傷であり、ロボット群が制約された環境でスムーズに動作していることが示されている。

関連論文リスト

• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• Cooperative and Asynchronous Transformer-based Mission Planning for Heterogeneous Teams of Mobile Robots [1.1049608786515839]
  エージェント間の分散意思決定を協調するための協調型非同期トランスフォーマーベースミッションプランニング(CATMiP)フレームワークを提案する。 我々は,CATMiPを2次元グリッドワールドシミュレーション環境で評価し,その性能を計画に基づく探索法と比較した。
  論文  参考訳（メタデータ） (2024-10-08T21:14:09Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• A Scalable Multi-Robot Framework for Decentralized and Asynchronous Perception-Action-Communication Loops [72.1902268440158]
  グローバルな目的を達成するため,大規模なロボット群における協調作業は,大規模環境における課題である。 ロボットはパーセプション・アクション・コミュニケーションループを実行し、ローカル環境を認識し、他のロボットと通信し、リアルタイムで行動を起こす必要がある。 近年では、フロッキングやカバレッジ制御などのアプリケーションでグラフニューラルネットワーク(GNN)を使用してこの問題に対処している。 本稿では、分散化されたGNNを用いてナビゲーション動作を計算し、通信のためのメッセージを生成するロボット群における非同期PACフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T21:20:50Z)
• A Hierarchical Variable Autonomy Mixed-Initiative Framework for Human-Robot Teaming in Mobile Robotics [1.4777718769290527]
  本稿では,遠隔操作者とAIエージェント間の制御権限伝達の問題に対処するためのMIフレームワークを提案する。 我々の階層的エキスパート誘導混合開始制御スイッチ(HierEMICS)は、人間のオペレータの状態と意図に関する情報を活用する。 結果は、HierEMICSは人間とAIエージェントの制御のための紛争を減らすことを示唆している。
  論文  参考訳（メタデータ） (2022-11-25T13:25:16Z)
• Scalable Task-Driven Robotic Swarm Control via Collision Avoidance and Learning Mean-Field Control [23.494528616672024]
  我々は、最先端平均場制御技術を用いて、多くのエージェントSwarm制御を分散の古典的な単一エージェント制御に変換する。 そこで我々は,衝突回避と平均場制御の学習を,知的ロボット群動作を牽引的に設計するための統一的な枠組みに統合する。
  論文  参考訳（メタデータ） (2022-09-15T16:15:04Z)
• With Whom to Communicate: Learning Efficient Communication for Multi-Robot Collision Avoidance [17.18628401523662]
  本稿では,複数ロボット衝突回避シナリオにおいて,「いつ」と「誰」がコミュニケーションを行うのかという課題を解決するための効率的な通信手法を提案する。 このアプローチでは、全てのロボットが他のロボットの状態について推論することを学び、他のロボットの軌道計画を求める前に将来の衝突のリスクを考える。
  論文  参考訳（メタデータ） (2020-09-25T09:49:22Z)

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。