論文の概要: CoCoPlan: Adaptive Coordination and Communication for Multi-robot Systems in Dynamic and Unknown Environments

• arxiv url: http://arxiv.org/abs/2601.10116v1
• Date: Thu, 15 Jan 2026 06:50:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.786487
• Title: CoCoPlan: Adaptive Coordination and Communication for Multi-robot Systems in Dynamic and Unknown Environments
• Title（参考訳）: CoCoPlan:動的・未知環境におけるマルチロボットシステムの適応コーディネートと通信
• Abstract要約: マルチロボットシステムは協調と協調によって効率を大幅に向上させることができる。 既存のメソッドは、オールタイム接続を維持するか、固定スケジュールに依存するか、ペアワイズプロトコルを採用するかのいずれかである。 協調的なタスク計画とチーム間断続的なコミュニケーションを協調的に最適化する統合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.496161804810473
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-robot systems can greatly enhance efficiency through coordination and collaboration, yet in practice, full-time communication is rarely available and interactions are constrained to close-range exchanges. Existing methods either maintain all-time connectivity, rely on fixed schedules, or adopt pairwise protocols, but none adapt effectively to dynamic spatio-temporal task distributions under limited communication, resulting in suboptimal coordination. To address this gap, we propose CoCoPlan, a unified framework that co-optimizes collaborative task planning and team-wise intermittent communication. Our approach integrates a branch-and-bound architecture that jointly encodes task assignments and communication events, an adaptive objective function that balances task efficiency against communication latency, and a communication event optimization module that strategically determines when, where and how the global connectivity should be re-established. Extensive experiments demonstrate that it outperforms state-of-the-art methods by achieving a 22.4% higher task completion rate, reducing communication overhead by 58.6%, and improving the scalability by supporting up to 100 robots in dynamic environments. Hardware experiments include the complex 2D office environment and large-scale 3D disaster-response scenario.
• Abstract（参考訳）: マルチロボットシステムは協調と協調によって効率を大幅に向上させるが、実際にはフルタイム通信は稀であり、通信は近接交換に制限される。 既存の手法は、全時間接続を維持するか、固定スケジュールに依存するか、あるいはペアワイズプロトコルを採用するかのいずれかである。 このギャップに対処するために、協調的なタスク計画とチーム間断続的なコミュニケーションを協調最適化する統合フレームワークであるCoCoPlanを提案する。 提案手法では,タスク割り当てと通信イベントを協調的に符号化するブランチ・アンド・バウンドアーキテクチャ,タスク効率と通信遅延のバランスをとる適応目的関数,グローバル接続をいつ,どこで,どのように再確立すべきかを戦略的に決定する通信イベント最適化モジュールを統合する。 大規模実験により,タスク完了率22.4%,通信オーバーヘッド58.6%,動的環境における最大100台のロボットのサポートによるスケーラビリティの向上により,最先端の手法よりも優れた性能を示した。 ハードウェア実験には、複雑な2Dオフィス環境と大規模3D災害対応シナリオが含まれる。

関連論文リスト

• Heterogeneous Policy Networks for Composite Robot Team Communication and Coordination [7.077242655920767]
  ハイパフォーマンスな人間チームは、知的で効率的なコミュニケーションと調整戦略を学び、共同事業を最大化する。 MARLはこのような協調通信戦略を合成するための計算手法の開発を試みた。 HetNetは、異種多エージェントチームのためのコーディネートとコミュニケーション戦略を学ぶための新しい最先端技術を構築している。
  論文  参考訳（メタデータ） (2026-06-18T21:58:14Z)
• SCALE-COMM: Shared, Contrastively-Aligned Latent Embeddings for MARL Communication [0.0]
  本稿では,コンパクトで安定なコミュニケーション表現を学習するための自己教師型フレームワークを提案する。 学習した通信空間は, 政策微調整による安定性, サンプル効率, スループットの向上を図っている。
  論文  参考訳（メタデータ） (2026-05-26T18:06:19Z)
• Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
  大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。 本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
  論文  参考訳（メタデータ） (2026-05-07T14:19:17Z)
• DeCoNav: Dialog enhanced Long-Horizon Collaborative Vision-Language Navigation [51.978605314711835]
  ロングホライゾン協調視覚言語ナビゲーション(Long-Horizon collaborative vision- language navigation, VLN)は、マルチロボットシステムにおいて、単一のエージェントの能力を超える複雑なタスクを達成するために重要である。 ダイアログを改良したLong-Horizon Collaborative Vision-Language Navigation (DeCoNav)を提案する。 DeCoNavは、イベントトリガーされた対話と動的タスク割り当てとリアルタイム適応調整のための再計画を結合する分散フレームワークである。
  論文  参考訳（メタデータ） (2026-04-14T09:11:55Z)
• CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment [54.84167973913561]
  CoEnvは、安全な戦略探索のためにシミュレーションを活用するフレームワークであり、信頼性の高い現実世界のデプロイメントを保証する。 CoEnvは、物理的なワークスペースをデジタル化するリアル・ツー・シムのシーン再構築、コードベースの軌道生成によるリアルタイム計画と安全な配置のための衝突検出によるシム・トゥ・リアル転送の両方をサポートするVLM駆動のアクション合成という3つの段階を経験している。
  論文  参考訳（メタデータ） (2026-04-07T06:24:41Z)
• TodyComm: Task-Oriented Dynamic Communication for Multi-Round LLM-based Multi-Agent System [13.255369400663893]
  TodyCommはtextbftask-textbforiented textbfdynamic textbfcommunicationアルゴリズムである。 各ラウンドのダイナミクスに適応する行動駆動型コラボレーショントポロジを生成し、ポリシー勾配を通じてタスクのユーティリティを最適化する。
  論文  参考訳（メタデータ） (2026-02-03T16:07:59Z)
• Communication to Completion: Modeling Collaborative Workflows with Intelligent Multi-Agent Communication [17.432061814666774]
  Communication to Completion (C2C) はタスク指向通信のためのスケーラブルなフレームワークである。 C2Cは許容される通信コストでタスク完了時間を約40%削減する。
  論文  参考訳（メタデータ） (2025-10-22T19:48:17Z)
• Multi Robot Coordination in Highly Dynamic Environments: Tackling Asymmetric Obstacles and Limited Communication [1.8374319565577155]
  本稿では,極めて活発なシナリオにおけるタスク割り当てを扱うためのアプローチを提案する。 低通信シナリオにおいて自律エージェントの動作を効率的にオーケストレーションする分散コーディネート手法を提案する。 我々のアプローチは、公式のRoboCupコンペティションでNAOロボットのチームを用いて、シミュレーションと現実世界で検証されてきた。
  論文  参考訳（メタデータ） (2025-09-09T22:11:34Z)
• CoCoL: A Communication Efficient Decentralized Collaborative Method for Multi-Robot Systems [12.818331958107429]
  異種局所データセットを持つマルチロボットシステムに適したコミュニケーション効率の良い分散協調学習手法を提案する。 CoCoLは、ロボットの目的関数間の類似性を捉えることにより、ニュートン型更新を近似して顕著な通信効率を達成する。
  論文  参考訳（メタデータ） (2025-08-28T15:25:48Z)
• CaPo: Cooperative Plan Optimization for Efficient Embodied Multi-Agent Cooperation [98.11670473661587]
  CaPoは,1)メタプラン生成,2)プログレッシブなメタプランと実行の2つのフェーズで協調効率を向上する。 3Dworld Multi-Agent TransportとCommunicative Watch-And-Helpタスクの実験結果は、CaPoが最先端技術と比較してタスク完了率と効率をはるかに高めることを示した。
  論文  参考訳（メタデータ） (2024-11-07T13:08:04Z)
• Communication Learning in Multi-Agent Systems from Graph Modeling Perspective [62.13508281188895]
  本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。 本稿では,各エージェントに対して時間的ゲーティング機構を導入し,ある時間に共有情報を受信するかどうかの動的決定を可能にする。
  論文  参考訳（メタデータ） (2024-11-01T05:56:51Z)
• Communication- and Computation-Efficient Distributed Submodular Optimization in Robot Mesh Networks [2.8936428431504164]
  ロボットメッシュネットワークにおける分散サブモジュール最適化のための通信効率と計算効率の両立手法を提案する。 我々の手法であるResource-Aware Distributed Greedy (RAG)は、新しい分散最適化パラダイムを導入する。 RAGの決定時間はネットワークサイズと線形にスケールするが、最先端の準モジュラ最適化アルゴリズムは3倍にスケールする。
  論文  参考訳（メタデータ） (2024-07-15T01:25:39Z)
• Learning Multi-Agent Communication from Graph Modeling Perspective [62.13508281188895]
  本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。 提案手法であるCommFormerは,通信グラフを効率よく最適化し,勾配降下によるアーキテクチャパラメータをエンドツーエンドで並列に洗練する。
  論文  参考訳（メタデータ） (2024-05-14T12:40:25Z)
• 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)
• Multi-Agent Reinforcement Learning for Pragmatic Communication and Control [40.11766545693947]
  本稿では,目標指向通信とネットワーク制御を組み合わせた統合設計を単一最適化モデルとして提案する。 通信システムと制御システムの合同訓練は、全体的な性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-02-28T08:30:24Z)

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。