論文の概要: CHORAL: Traversal-Aware Planning for Safe and Efficient Heterogeneous Multi-Robot Routing

• arxiv url: http://arxiv.org/abs/2601.10340v1
• Date: Thu, 15 Jan 2026 12:34:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.792392
• Title: CHORAL: Traversal-Aware Planning for Safe and Efficient Heterogeneous Multi-Robot Routing
• Title（参考訳）: CHORAL: 安全かつ効率的なマルチロボットルーティングのためのトラバースアウェアプランニング
• Authors: David Morilla-Cabello, Eduardo Montijano,
• Abstract要約: 自律ロボットによる大規模で未知の複雑な環境のモニタリングは、重要なナビゲーション課題を引き起こす。 異種ロボットの協調のための統合意味認識フレームワークを提案する。 シミュレーション実験と3つのロボットプラットフォームを用いた実際の検査ミッションにより,本手法の有効性が実証された。
• 参考スコア（独自算出の注目度）: 4.3992789649203194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monitoring large, unknown, and complex environments with autonomous robots poses significant navigation challenges, where deploying teams of heterogeneous robots with complementary capabilities can substantially improve both mission performance and feasibility. However, effectively modeling how different robotic platforms interact with the environment requires rich, semantic scene understanding. Despite this, existing approaches often assume homogeneous robot teams or focus on discrete task compatibility rather than continuous routing. Consequently, scene understanding is not fully integrated into routing decisions, limiting their ability to adapt to the environment and to leverage each robot's strengths. In this paper, we propose an integrated semantic-aware framework for coordinating heterogeneous robots. Starting from a reconnaissance flight, we build a metric-semantic map using open-vocabulary vision models and use it to identify regions requiring closer inspection and capability-aware paths for each platform to reach them. These are then incorporated into a heterogeneous vehicle routing formulation that jointly assigns inspection tasks and computes robot trajectories. Experiments in simulation and in a real inspection mission with three robotic platforms demonstrate the effectiveness of our approach in planning safer and more efficient routes by explicitly accounting for each platform's navigation capabilities. We release our framework, CHORAL, as open source to support reproducibility and deployment of diverse robot teams.
• Abstract（参考訳）: 自律ロボットによる大規模で未知の複雑な環境の監視は、相補的な能力を持つ異種ロボットのチームを配置することで、ミッションのパフォーマンスと実現可能性の両方を大幅に改善する、重大なナビゲーション上の課題を引き起こす。 しかし、異なるロボットプラットフォームが環境とどのように相互作用するかを効果的にモデル化するには、リッチでセマンティックなシーン理解が必要である。 それにもかかわらず、既存のアプローチは、しばしば同質のロボットチームを想定したり、連続的なルーティングよりも個別のタスク互換性に焦点を当てる。 その結果、シーン理解はルーティング決定に完全には統合されず、環境に適応し、各ロボットの強みを活用する能力を制限することができる。 本論文では,異種ロボットを協調する統合意味認識フレームワークを提案する。 偵察飛行から始まり,オープンボキャブラリ・ビジョン・モデルを用いてメトリック・セマンティック・マップを構築し,各プラットフォームに到達するために,より近い検査と能力認識のパスを必要とする領域を特定する。 それらは、検査タスクを共同で割り当て、ロボット軌道を計算する、異種車両ルーティングの定式化に組み込まれる。 シミュレーションおよび3つのロボットプラットフォームによる実際の検査ミッションにおいて、各プラットフォームのナビゲーション能力を明示的に考慮し、より安全で効率的なルート計画における我々のアプローチの有効性を実証した。 さまざまなロボットチームの再現性とデプロイをサポートするために,当社のフレームワークであるCHORALをオープンソースとしてリリースしています。

関連論文リスト

• Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
  大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。 異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。 我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
  論文  参考訳（メタデータ） (2025-10-30T18:24:38Z)
• RoboRAN: A Unified Robotics Framework for Reinforcement Learning-Based Autonomous Navigation [15.548637925166986]
  多様なロボットプラットフォームと運用環境にまたがって、RLベースのナビゲーションポリシーをトレーニング、評価、デプロイするためのマルチドメインフレームワークを提案する。 本研究は,(1)シームレスなロボットタスク交換性と再現可能なトレーニングパイプラインを実現するスケーラブルでモジュール化されたフレームワーク,(2)複数のロボットによる実世界実験を通じて実世界へのトランスファーを実証するsim-to-real,(3)Isaac Labがトレーニングしたポリシーを実際のロボットに展開する最初のオープンソースAPIのリリース,の4つの重要な貢献について述べる。
  論文  参考訳（メタデータ） (2025-05-20T15:48:23Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Co-NavGPT: Multi-Robot Cooperative Visual Semantic Navigation Using Vision Language Models [8.668211481067457]
  Co-NavGPTは、ビジョン言語モデル(VLM)をグローバルプランナーとして統合する新しいフレームワークである。 Co-NavGPTは、多様な視点を持つ複数のロボットのサブマップを統一されたグローバルマップに集約する。 VLMはこの情報を使って、ロボット全体のフロンティアを割り当て、協調的で効率的な探索を容易にする。
  論文  参考訳（メタデータ） (2023-10-11T23:17:43Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
  モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。 このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。 我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
  論文  参考訳（メタデータ） (2021-03-31T00:05:54Z)
• Bayesian Meta-Learning for Few-Shot Policy Adaptation Across Robotic Platforms [60.59764170868101]
  強化学習手法は、重要な性能を達成できるが、同じロボットプラットフォームで収集される大量のトレーニングデータを必要とする。 私たちはそれを、さまざまなロボットプラットフォームで共有される共通の構造を捉えるモデルを見つけることを目標とする、数ショットのメタラーニング問題として定式化します。 我々は,400個のロボットを用いて,実ロボットピッキング作業とシミュレーションリーチの枠組みを実験的に評価した。
  論文  参考訳（メタデータ） (2021-03-05T14:16:20Z)
• Towards Multi-Robot Task-Motion Planning for Navigation in Belief Space [1.4824891788575418]
  本稿では,知識集約領域におけるナビゲーションのためのマルチロボットタスクモーション計画フレームワークを提案する。 特に,ロボット間の相互観測を取り入れた分散マルチロボットの設定について考察する。 このフレームワークは、運動中の運動計画と感覚の不確実性を目的としており、これは正式には信仰空間計画として知られている。
  論文  参考訳（メタデータ） (2020-10-01T06:45:17Z)

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。