論文の概要: Optimized Human-Robot Co-Dispatch Planning for Petro-Site Surveillance under Varying Criticalities

• arxiv url: http://arxiv.org/abs/2602.07924v1
• Date: Sun, 08 Feb 2026 11:46:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.873368
• Title: Optimized Human-Robot Co-Dispatch Planning for Petro-Site Surveillance under Varying Criticalities
• Title（参考訳）: 条件条件下でのペトロサイトサーベイランスのための人間-ロボット共分散計画の最適化
• Authors: Nur Ahmad Khatim, Mansur Arief,
• Abstract要約: 本稿では,人間-ロボット共分散施設配置問題(HRCD-FLP)を定式化する。 これは、連結されたインフラの臨界度、人間とロボットの監督比率の制約、最低利用要件を取り入れた容量化された施設の場所変種である。 その結果、保守的な(1:3人ロボットの監督)から将来の自律運用(1:10)への移行は、完全な重要なインフラカバレッジを維持しながら、大幅なコスト削減をもたらすことが示された。
• 参考スコア（独自算出の注目度）: 0.9668407688201359
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Securing petroleum infrastructure requires balancing autonomous system efficiency with human judgment for threat escalation, a challenge unaddressed by classical facility location models assuming homogeneous resources. This paper formulates the Human-Robot Co-Dispatch Facility Location Problem (HRCD-FLP), a capacitated facility location variant incorporating tiered infrastructure criticality, human-robot supervision ratio constraints, and minimum utilization requirements. We evaluate command center selection across three technology maturity scenarios. Results show transitioning from conservative (1:3 human-robot supervision) to future autonomous operations (1:10) yields significant cost reduction while maintaining complete critical infrastructure coverage. For small problems, exact methods dominate in both cost and computation time; for larger problems, the proposed heuristic achieves feasible solutions in under 3 minutes with approximately 14% optimality gap where comparison is possible. From systems perspective, our work demonstrate that optimized planning for human-robot teaming is key to achieve both cost-effective and mission-reliable deployments.
• Abstract（参考訳）: 石油インフラの確保には、脅威エスカレーションに対する人間の判断と自律システムの効率のバランスをとる必要がある。 本稿では,人間-ロボット共分散施設配置問題 (HRCD-FLP) を定式化した。 3つの技術成熟シナリオにおけるコマンドセンターの選択を評価した。 その結果、保守的な(1:3人ロボットの監督)から将来の自律運用(1:10)への移行は、完全な重要なインフラカバレッジを維持しながら、大幅なコスト削減をもたらすことが示された。 より大規模な問題では、提案したヒューリスティックは、3分以内で実現可能な解を約14%の最適性差で達成し、比較が可能となる。 システムの観点から見ると、人間とロボットのコラボレーションに最適化された計画が、コスト効率とミッション信頼性の両方を達成するための鍵であることを、我々の研究は示しています。

関連論文リスト

• End-to-end Optimization of Belief and Policy Learning in Shared Autonomy Paradigms [0.12314765641075438]
  共有自律システムは、ユーザの意図を推測し、適切な支援レベルを決定するための原則化された方法を必要とする。 以前のアプローチでは、静的なブレンディング比や補助仲裁からの分離した目標推定に頼っていたため、非構造化環境での最適以下の性能が得られた。 BRACEはベイズ的意図推論と文脈適応支援を微調整する新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-01-30T18:59:16Z)
• Autonomous Collaborative Scheduling of Time-dependent UAVs, Workers and Vehicles for Crowdsensing in Disaster Response [18.44231237535367]
  本稿では、異種多エージェントオンライン協調スケジューリングアルゴリズムHoAs-PALNについて検討する。 HoAs-PALNは、マッチングプロセスと局所ナッシュ平衡ゲームにおける適応次元の減少によって実現される。 ベースラインと比較して、HoAs-PALNはタスク完了率を64.12%、46.48%、16.55%、14.03%改善している。
  論文  参考訳（メタデータ） (2025-06-04T01:58:05Z)
• Towards Autonomous Micromobility through Scalable Urban Simulation [52.749987132021324]
  現在のマイクロモビリティは、主に人手操作(対人・遠隔操作)に依存している。 本研究では,自律型マイクロモビリティを実現するため,スケーラブルな都市シミュレーションソリューションを提案する。
  論文  参考訳（メタデータ） (2025-05-01T17:52:29Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
  ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。 この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。 この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
  論文  参考訳（メタデータ） (2024-09-29T23:57:25Z)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• Analytical model for large-scale design of sidewalk delivery robot systems [4.510000677649468]
  本稿では,配送システムの初期コストと運用コストの両方を把握し,運用における制約や運用戦略の影響を評価するモデルを提案する。 そして、このモデルをニューヨーク市の地区に適用し、実際のシナリオにおける歩道配達ロボットシステムの展開を評価する。
  論文  参考訳（メタデータ） (2023-10-26T15:26:12Z)
• DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in Complex Environments [55.204450019073036]
  本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。 本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。 ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
  論文  参考訳（メタデータ） (2022-09-07T00:35:27Z)
• 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)
• Symbiotic System Design for Safe and Resilient Autonomous Robotics in Offshore Wind Farms [3.5409202655473724]
  Beyond Visual Line of Sight(BVLOS)ロボティクスの障壁には、運用上の安全コンプライアンスとレジリエンスが含まれます。 ロボットプラットフォームと遠隔操作者の相互利益のための知識共有によるライフサイクル学習と共進化を反映した共生システムを提案する。 本手法は,自律ミッションにおける安全性,信頼性,レジリエンスのリアルタイム検証を可能にする。
  論文  参考訳（メタデータ） (2021-01-23T11:58:16Z)

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。