論文の概要: FISC: A Fluid-Inspired Framework for Decentralized and Scalable Swarm Control
- arxiv url: http://arxiv.org/abs/2602.00480v1
- Date: Sat, 31 Jan 2026 03:04:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 05:19:03.433855
- Title: FISC: A Fluid-Inspired Framework for Decentralized and Scalable Swarm Control
- Title（参考訳）: FISC: 分散化とスケーラブルなSwarmコントロールのためのFluid-Inspired Framework
- Authors: Mohini Priya Kolluri, Ammar Waheed, Zohaib Hasnain,
- Abstract要約: 大規模マルチエージェントシステムの外部ループ制御のための分散化手法を提案し,評価を行った。
基礎流体要素特性と個別のロボットエージェント状態の関係を論じる。
流体のような性質をエージェントのサブセットに割り当てることで、Swarmは望ましい構造とコヒーレンスを維持しながら集合的に進化する。
その結果, 第一原理から導かれるマクロ構造を保持する連続系として, 大型ロボット群を扱える可能性が示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Achieving scalable coordination in large robotic swarms is often constrained by reliance on inter-agent communication, which introduces latency, bandwidth limitations, and vulnerability to failure. To address this gap, a decentralized approach for outer-loop control of large multi-agent systems based on the paradigm of how a fluid moves through a volume is proposed and evaluated. A relationship between fundamental fluidic element properties and individual robotic agent states is developed such that the corresponding swarm "flows" through a space, akin to a fluid when forced via a pressure boundary condition. By ascribing fluid-like properties to subsets of agents, the swarm evolves collectively while maintaining desirable structure and coherence without explicit communication of agent states within or outside of the swarm. The approach is evaluated using simulations involving $O(10^3)$ quadcopter agents and compared against Computational Fluid Dynamics (CFD) solutions for a converging-diverging domain. Quantitative agreement between swarm-derived and CFD fields is assessed using Root-Mean-Square Error (RMSE), yielding normalized errors of 0.15-0.9 for velocity, 0.61-0.98 for density, 0-0.937 for pressure. These results demonstrate the feasibility of treating large robotic swarms as continuum systems that retain the macroscopic structure derived from first principles, providing a basis for scalable and decentralized control.
- Abstract（参考訳）: 大規模ロボット群におけるスケーラブルなコーディネーションを実現するには、レイテンシや帯域幅制限、障害に対する脆弱性といった、エージェント間通信に依存している場合が多い。
このギャップに対処するために,流体の体積移動のパラダイムに基づく大規模マルチエージェントシステムの外ループ制御のための分散的アプローチを提案し,評価した。
基礎流体要素特性と個々のロボットエージェント状態の関係は、圧力境界条件によって強制された場合の流体と同様、対応するスワムが空間を「流れる」ように発展する。
エージェントのサブセットに流体のような性質を割り当てることで、Swarmは、エージェント状態の明示的なコミュニケーションをすることなく、望ましい構造とコヒーレンスを維持しながら、集合的に進化する。
この手法は,$O(10^3)$クアッドコプターエージェントを含むシミュレーションを用いて評価し,収束拡散領域に対する計算流体力学(CFD)ソリューションと比較した。
回転平均二乗誤差 (RMSE) を用いて, 速度0.15-0.9, 密度0.61-0.98, 圧力0-0.937 の正規化誤差を求める。
これらの結果は、大規模ロボット群を第一原理から導かれるマクロ構造を保持する連続系として扱う可能性を示し、スケーラブルで分散化された制御の基礎を提供する。
関連論文リスト
- Bridging Semantic and Kinematic Conditions with Diffusion-based Discrete Motion Tokenizer [55.9892973179428]
MoTokは、セマンティックな抽象化をきめ細かな再構築から切り離す離散モーショントークンである。
また,HumanML3Dでは,トークンの6分の1しか使用せず,MaskControl上での制御性と忠実度を大幅に向上する。
論文 参考訳（メタデータ） (2026-03-19T17:59:51Z) - Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。
このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。
安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
論文 参考訳（メタデータ） (2026-03-07T01:49:59Z) - Robot-DIFT: Distilling Diffusion Features for Geometrically Consistent Visuomotor Control [31.523644271297616]
一般化可能なロボット操作における重要なボトルネックは、現在の視覚的バックボーンと閉ループ制御の物理的要求との間の構造的ミスマッチである。
我々は,マニフォールド蒸留による推論プロセスから幾何学的情報ソースを分離するフレームワークであるRobot-DIFTを提案する。
凍結拡散教師を決定論的空間意味的特徴ピラミッドネットワーク(S2-FPN)に蒸留することにより、時間的安定性、リアルタイム実行、ドリフトに対する堅牢性を確保しつつ、生成モデルの豊富な幾何学的先行性を維持できる。
論文 参考訳（メタデータ） (2026-02-12T13:30:24Z) - Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。
現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。
AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
論文 参考訳（メタデータ） (2026-01-21T14:13:44Z) - Simulating Distribution Dynamics: Liquid Temporal Feature Evolution for Single-Domain Generalized Object Detection [58.25418970608328]
Single-Domain Generalized Object Detection (Single-DGOD)は、あるソースドメインで訓練された検出器を複数の未知のドメインに転送することを目的としている。
シングルDGODの既存の方法は通常、データの多様性を拡大するために離散的なデータ拡張や静的摂動法に依存している。
そこで本研究では,ソース領域から潜伏分布のシミュレーションに至るまでの機能の進化をシミュレートする手法を提案する。
論文 参考訳（メタデータ） (2025-11-13T03:10:39Z) - HypeMARL: Multi-Agent Reinforcement Learning For High-Dimensional, Parametric, and Distributed Systems [3.072554747025686]
HypeMARLは高次元・パラメトリック・分散システムの制御に適した分散強化学習アルゴリズムである。
我々は,HypeMARLがエージェントの集団行動を通じてシステムを効果的に制御できることを示す。
論文 参考訳（メタデータ） (2025-09-20T14:42:09Z) - Topological Regularization for Force Prediction in Active Particle Suspension with EGNN and Persistent Homology [0.0]
3つの学習駆動ツールを組み合わせて1つのパイプライン内で学習する,マルチスケールフレームワークを提案する。
学習パイプラインへの入力として,周期箱内の流体速度と粒子応力の高分解能Lattice Boltzmannスナップショットを用いる。
論文 参考訳（メタデータ） (2025-09-08T11:39:42Z) - VariAntNet: Learning Decentralized Control of Multi-Agent Systems [2.5950969608246797]
単純なマルチエージェントシステムは、消防などの災害対応アプリケーションに効果的に利用することができる。
これらの単純なロボットエージェントは、Ant Robotsとしても知られており、限定的な知覚能力を持ち、共有座標系を持たない匿名エージェントとして定義されている。
本稿では,エージェントスワーミングと協調的なタスク実行を容易にするために,ディープラーニングに基づく分散制御モデルであるVariAntNetを提案する。
論文 参考訳（メタデータ） (2025-09-02T12:48:15Z) - Revisiting boundary-driven method for transport: Finite-size effects and the role of system-bath coupling [0.0]
2つのアプローチから計算したdc拡散定数 $mathcalD_textdc$ を比較して比較する。
我々は,システムバス結合に強い依存を示す$mathcalD_textdc$という,両者の明確なミスマッチを見出した。
現実的な解決法として,我々は境界駆動フレームワーク内での時間依存輸送係数の計算を提唱する。
論文 参考訳（メタデータ） (2025-07-22T12:35:03Z) - IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint
Multi-Agent Trajectory Prediction [73.25645602768158]
IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。
我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
論文 参考訳（メタデータ） (2023-03-01T15:16:56Z)
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。