論文の概要: Modeling and Optimizing the Provisioning of Exhaustible Capabilities for Simultaneous Task Allocation and Scheduling
- arxiv url: http://arxiv.org/abs/2602.13866v1
- Date: Sat, 14 Feb 2026 19:55:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.467927
- Title: Modeling and Optimizing the Provisioning of Exhaustible Capabilities for Simultaneous Task Allocation and Scheduling
- Title（参考訳）: 同時タスク割り当てとスケジューリングのための実行可能能力設定のモデル化と最適化
- Authors: Jinwoo Park, Harish Ravichandar, Seth Hutchinson,
- Abstract要約: 本稿では,時間拡張,オフラインヘテロジニアスなタスク割り当てフレームワークTRAITSを提案する。
本稿では,非線型プログラミングに基づく特徴分布モジュールを導入し,その特性予測率を最適化する。
我々は、TRAITSを2つの最先端フレームワークに対して評価し、複雑な特性とバッテリー要件を満たす利点を示す。
- 参考スコア（独自算出の注目度）: 11.537906063717974
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deploying heterogeneous robot teams to accomplish multiple tasks over extended time horizons presents significant computational challenges for task allocation and planning. In this paper, we present a comprehensive, time-extended, offline heterogeneous multi-robot task allocation framework, TRAITS, which we believe to be the first that can cope with the provisioning of exhaustible traits under battery and temporal constraints. Specifically, we introduce a nonlinear programming-based trait distribution module that can optimize the trait-provisioning rate of coalitions to yield feasible and time-efficient solutions. TRAITS provides a more accurate feasibility assessment and estimation of task execution times and makespan by leveraging trait-provisioning rates while optimizing battery consumption -- an advantage that state-of-the-art frameworks lack. We evaluate TRAITS against two state-of-the-art frameworks, with results demonstrating its advantage in satisfying complex trait and battery requirements while remaining computationally tractable.
- Abstract（参考訳）: 不均一なロボットチームを配置して、複数のタスクを時間的地平線を越えて達成することは、タスクの割り当てと計画において重要な計算上の課題を提示する。
本稿では,バッテリーと時間的制約下での使い捨て特性の供給に対処できる,包括的かつ時間的に拡張された,オフラインのヘテロジニアスなマルチロボットタスクアロケーションフレームワークTRAITSを提案する。
具体的には、非線型プログラミングに基づく特性分布モジュールを導入し、アライアンスの特性予測率を最適化し、実現可能で時間効率のよい解を得る。
TRAITSは、現在の最先端フレームワークに欠けている利点である、バッテリー消費を最適化しながら、特性予測率を活用することで、タスク実行時間とメースパンのより正確な実行可能性の評価と評価を提供する。
我々は、TRAITSを2つの最先端フレームワークに対して評価し、計算可能でありながら、複雑な特性とバッテリー要件を満たす利点を示した。
関連論文リスト
- Cost Optimization in Production Line Using Genetic Algorithm [0.5482532589225553]
生産ラインにおけるコスト最適タスクスケジューリングへの遺伝的アルゴリズム(GA)アプローチ
先行構造の3つのクラスに関する実験 - 密結合, 疎結合, 疎結合, 未結合。
論文 参考訳（メタデータ） (2026-01-02T13:36:42Z) - Task-oriented Learnable Diffusion Timesteps for Universal Few-shot Learning of Dense Tasks [48.86985692711283]
現在の拡散モデルに基づくアプリケーションは、マルチステップ前方のマルコフ過程から学習された視覚表現のパワーを単一タスク予測タスクに利用している。
本稿では,タスク認識型タイムステップ選択(TTS)と,その選択したタイムステップ機能を統合するTFC(Timestep Feature Consolidation)の2つのモジュールを提案する。
本フレームワークは,少数のサポートクエリのみを考慮すれば,高密度な予測性能を効果的に実現している。
論文 参考訳（メタデータ） (2025-12-29T05:19:01Z) - Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。
システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。
提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
論文 参考訳（メタデータ） (2025-10-23T02:55:40Z) - Haste Makes Waste: Evaluating Planning Abilities of LLMs for Efficient and Feasible Multitasking with Time Constraints Between Actions [56.88110850242265]
本稿では,現実の調理シナリオに基づいた新しいベンチマークフレームワークRecipe2Planを紹介する。
従来のベンチマークとは異なり、Recipe2Planは並列タスク実行による調理時間を最適化するためにエージェントに挑戦する。
論文 参考訳（メタデータ） (2025-03-04T03:27:02Z) - Dependency-Aware CAV Task Scheduling via Diffusion-Based Reinforcement Learning [12.504232513881828]
動的無人航空機支援型コネクテッド自動運転車(CAV)のための新しい依存性を考慮したタスクスケジューリング手法を提案する。
平均タスク完了時間を最小化することを目的として,共同スケジューリング優先度とサブタスク割り当て最適化問題を定式化する。
本稿では,Synthetic DDQNをベースとしたSubtasks Schedulingという拡散型強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-27T11:07:31Z) - Dynamic Scheduling for Federated Edge Learning with Streaming Data [56.91063444859008]
我々は,長期的エネルギー制約のある分散エッジデバイスにおいて,トレーニングデータを時間とともにランダムに生成するフェデレーションエッジ学習(FEEL)システムを検討する。
限られた通信リソースとレイテンシ要件のため、各イテレーションでローカルトレーニングプロセスに参加するのはデバイスのサブセットのみである。
論文 参考訳（メタデータ） (2023-05-02T07:41:16Z)
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。