論文の概要: Multi-Agent Formation Navigation Using Diffusion-Based Trajectory Generation

• arxiv url: http://arxiv.org/abs/2601.10725v1
• Date: Wed, 24 Dec 2025 04:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.800316
• Title: Multi-Agent Formation Navigation Using Diffusion-Based Trajectory Generation
• Title（参考訳）: 拡散に基づく軌道生成を用いたマルチエージェント形成ナビゲーション
• Authors: Hieu Do Quang, Chien Truong-Quoc, Quoc Van Tran,
• Abstract要約: 本稿では, 散在環境におけるリーダ・フォロワ生成制御のための拡散型プランナを提案する。 提案手法はスムーズな動きと低追尾誤差を生じ、ほとんどの障害は狭い障害物のない空間で発生している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a diffusion-based planner for leader--follower formation control in cluttered environments. The diffusion policy is used to generate the trajectory of the midpoint of two leaders as a rigid bar in the plane, thereby defining their desired motion paths in a planar formation. While the followers track the leaders and form desired foramtion geometry using a distance-constrained formation controller based only on the relative positions in followers' local coordinates. The proposed approach produces smooth motions and low tracking errors, with most failures occurring in narrow obstacle-free space, or obstacle configurations that are not in the training data set. Simulation results demonstrate the potential of diffusion models for reliable multi-agent formation planning.
• Abstract（参考訳）: 本稿では, 散在環境におけるリーダ・フォロワ生成制御のための拡散型プランナを提案する。 拡散ポリシは、2つのリーダーの中間点の軌跡を平面の剛性棒として生成し、平面形成において所望の運動経路を定義するために用いられる。 フォロワーはリーダーを追跡し、フォロワーの局所座標における相対的な位置のみに基づいて距離制限されたフォーメーションコントローラを用いて、所望のフォーメーション・ジオメトリを形成する。 提案手法はスムーズな動きと低追従誤差を生じ、ほとんどの障害は狭い障害物のない空間や、トレーニングデータセットにない障害物構成で発生する。 シミュレーション結果は,信頼性のあるマルチエージェント形成計画のための拡散モデルの可能性を示す。

関連論文リスト

• Amortizing Trajectory Diffusion with Keyed Drift Fields [2.5352713493505785]
  キード・ドリフト・ポリシーズ (Keyed Drifting Policies) は、ドリフトフィールドの目標で訓練された1ステップの軌道生成装置である。 生成されたトラジェクトリを条件マッチングされたデータセットウィンドウに反映する。 1ステップの推論で高い性能を達成し、拡散サンプリングよりも計画遅延を大幅に低減する。
  論文  参考訳（メタデータ） (2026-03-14T17:56:15Z)
• FlowDrive: moderated flow matching with data balancing for trajectory planning [5.553127690929986]
  FlowDriveは、条件付き修正フローを学習し、ノイズを直接トラジェクトリ分布にマッピングするフローマッチングトラジェクトリプランナである。 FlowDriveは、学習ベースのプランナーとルールベースの改善によるアプローチ手法の間で、最先端の結果を達成する。
  論文  参考訳（メタデータ） (2025-09-26T06:49:22Z)
• Directional Motional Control via Engineered Conical Intersections in Trapped Rydberg Ions [0.0]
  我々は、断熱ポテンシャル-エネルギー面間の円錐状の交差を示すために、トラップされたリドベルクイオンの運動力学のコヒーレント制御を実証する。 この研究は、設計された円錐交叉が方向運動力学の新しい制御資源として機能することを実証している。
  論文  参考訳（メタデータ） (2025-09-14T16:53:25Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• MGF: Mixed Gaussian Flow for Diverse Trajectory Prediction [72.70572835589158]
  本稿では,軌道予測のための正規化フローモデルに対して,混合ガウス前駆体を構築することを提案する。 提案手法は,一般的な UCY/ETH および SDD データセットにおける軌道アライメントと多様性の評価において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-02-19T15:48:55Z)
• Diffusion-ES: Gradient-free Planning with Diffusion for Autonomous Driving and Zero-Shot Instruction Following [21.81411085058986]
  Reward-gradient guided denoisingは、微分可能報酬関数と拡散モデルによって捕捉されたデータ分布下での確率の両方を最大化する軌道を生成する。 そこで我々は,勾配のない最適化と軌道デノゲーションを組み合わせたDiffusionESを提案する。 DiffusionESは、自動運転のための確立されたクローズドループ計画ベンチマークであるnuPlan上で、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-02-09T17:18:33Z)
• Unsupervised Discovery of Interpretable Directions in h-space of Pre-trained Diffusion Models [63.1637853118899]
  本稿では,事前学習した拡散モデルのh空間における解釈可能な方向を特定するための,教師なしおよび学習に基づく最初の手法を提案する。 我々は、事前訓練された拡散モデルのh-スペースで動作するシフト制御モジュールを用いて、サンプルをシフトしたバージョンに操作する。 それらを共同で最適化することで、モデルは自然に絡み合った、解釈可能な方向を発見する。
  論文  参考訳（メタデータ） (2023-10-15T18:44:30Z)
• Trace and Pace: Controllable Pedestrian Animation via Guided Trajectory Diffusion [83.88829943619656]
  本研究では,現実的な歩行者軌跡生成手法と,ユーザ定義目標を達成するために制御可能なフルボディアニメーションを提案する。 我々のガイド付き拡散モデルでは,対象とする経路,速度,特定社会集団による軌道の制約が可能である。 本稿では,アニメーションコントローラのRLトレーニング中に学習した値関数を用いて,拡散を誘導し,特定のシナリオに適した軌道を生成することを提案する。
  論文  参考訳（メタデータ） (2023-04-04T15:46:42Z)

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。