論文の概要: Joint Task Assistance Planning via Nested Branch and Bound (Extended Version)

• arxiv url: http://arxiv.org/abs/2602.13932v2
• Date: Tue, 24 Feb 2026 17:45:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.469878
• Title: Joint Task Assistance Planning via Nested Branch and Bound (Extended Version)
• Title（参考訳）: ネスト分岐と境界による共同作業支援計画(拡張版)
• Authors: Omer Daube, Oren Salzman,
• Abstract要約: 本稿では,ロボット協調における支援の最適化に関する先行研究を一般化する共同作業支援計画問題を紹介し,研究する。 一方のロボットはタスクロボットであり、他方のロボットは空間的関係に依存するセンサベースの支援を提供する。 目的は、与えられた支援の総期間を最大化する両方のロボットのための経路を計算することである。
• 参考スコア（独自算出の注目度）: 6.531546527140475
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce and study the Joint Task Assistance Planning problem which generalizes prior work on optimizing assistance in robotic collaboration. In this setting, two robots operate over predefined roadmaps, each represented as a graph corresponding to its configuration space. One robot, the task robot, must execute a timed mission, while the other, the assistance robot, provides sensor-based support that depends on their spatial relationship. The objective is to compute a path for both robots that maximizes the total duration of assistance given. Solving this problem is challenging due to the combinatorial explosion of possible path combinations together with the temporal nature of the problem (time needs to be accounted for as well). To address this, we propose a nested branch-and-bound framework that efficiently explores the space of robot paths in a hierarchical manner. We empirically evaluate our algorithm and demonstrate a speedup of up to two orders of magnitude when compared to a baseline approach.
• Abstract（参考訳）: 本稿では,ロボット協調における支援の最適化に関する先行研究を一般化する共同作業支援計画問題を紹介し,研究する。 この設定では、2つのロボットが事前に定義されたロードマップ上で動作し、それぞれがその構成空間に対応するグラフとして表現される。 一方のロボットはタスクロボットであり、他方のロボットは空間的関係に依存するセンサベースの支援を提供する。 目的は、与えられた支援の総期間を最大化する両方のロボットのための経路を計算することである。 この問題の解決は、可能経路の組み合わせと時間的性質(時間も考慮する必要がある)の組合せの爆発によって困難である。 そこで本研究では,ロボット経路の空間を階層的に効率的に探索するネスト型分岐結合フレームワークを提案する。 提案アルゴリズムを実証的に評価し,ベースラインアプローチと比較して最大2桁の高速化を示す。

関連論文リスト

• Structural Induced Exploration for Balanced and Scalable Multi-Robot Path Planning [6.823580643749891]
  マルチロボット経路計画は、その複雑さと、ロボット間の公平なタスク割り当てとグローバル効率のバランスをとる必要があるため、基本的な課題である。 従来のSwarmインテリジェンス手法は、小さなインスタンスでは有効だが、しばしば早めに収束し、複雑な環境にスケールするのに苦労する。 アリコロニー最適化(ACO)の探索プロセスに構造先行を組み込んだ構造誘発探索フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-25T12:53:24Z)
• 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)
• Multi-Agent Path Finding with Real Robot Dynamics and Interdependent Tasks for Automated Warehouses [1.2810395420131764]
  MAPF(Multi-Agent Path Finding)は、自動倉庫や工場にロボットを配置する際の重要な最適化問題である。 ロボットの群れが各注文の商品を棚からワークステーションに届ける倉庫において、オンラインでの注文配達の現実的な問題を考える。 これにより、相互依存型ピックアップおよびデリバリタスクのストリームが生成され、関連するMAPF問題は、現実的な衝突のないロボット軌道の計算によって構成される。
  論文  参考訳（メタデータ） (2024-08-26T15:13:38Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Online Concurrent Multi-Robot Coverage Path Planning [5.801044612920816]
  地平線では、経路計画と経路実行がインターリーブであり、経路のないロボットが経路計画を行う場合、優れた経路を持つロボットは実行しない。 地平線をベースとしない集中型アルゴリズムを提案する。 事前に割り当てられた目標に到達したロボットのサブセットに対して、いつでもパスを計画し、残りは傑出したパスを実行する。
  論文  参考訳（メタデータ） (2024-03-15T16:51:30Z)
• A Conflict-Aware Optimal Goal Assignment Algorithm for Multi-Robot Systems [6.853165736531941]
  マルチロボットアプリケーションは、衝突のない経路を確保しながら、各ロボットにユニークな目標を割り当てることを目的としている。 そこで本研究では,次の最適な割り当てを計算するための効率的な競合誘導手法を提案する。 複数のベンチマークワークスペース上で,最大100個のロボットに対して,我々のアルゴリズムを広範囲に評価した。
  論文  参考訳（メタデータ） (2024-02-19T19:04:19Z)
• 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)
• Multi-Robot Active Mapping via Neural Bipartite Graph Matching [49.72892929603187]
  本稿では,最小時間ステップにおけるシーンマップ構築の完全化を目的としたマルチロボットアクティブマッピングの問題点について検討する。 この問題の鍵は、より効率的なロボットの動きを可能にするゴール位置推定にある。 本稿では,ニューラルコマッピング(NeuralCoMapping)という新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-30T14:03:17Z)
• 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)

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。