論文の概要: It Takes Two to Tango: A Holistic Simulator for Joint Order Scheduling and Multi-Agent Path Finding in Robotic Warehouses

• arxiv url: http://arxiv.org/abs/2602.13999v1
• Date: Sun, 15 Feb 2026 05:51:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.471027
• Title: It Takes Two to Tango: A Holistic Simulator for Joint Order Scheduling and Multi-Agent Path Finding in Robotic Warehouses
• Title（参考訳）: タンゴ行き2本:ロボット倉庫における共同注文スケジューリングとマルチエージェントパスのホロスティックシミュレータ
• Authors: Haozheng Xu, Wenhao Li, Zifan Wei, Bo Jin, Hongxing Bai, Ben Yang, Xiangfeng Wang,
• Abstract要約: WareRoverはOSとMAPFの動的結合を強制する総合シミュレーションプラットフォームである。 標準ベンチマークとは異なり、WareRoverは順序ストリーム、物理を意識した動作制約、非線形回復機構を単一の評価ループに統合する。
• 参考スコア（独自算出の注目度）: 18.101514832695067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The prevailing paradigm in Robotic Mobile Fulfillment Systems (RMFS) typically treats order scheduling and multi-agent pathfinding as isolated sub-problems. We argue that this decoupling is a fundamental bottleneck, masking the critical dependencies between high-level dispatching and low-level congestion. Existing simulators fail to bridge this gap, often abstracting away heterogeneous kinematics and stochastic execution failures. We propose WareRover, a holistic simulation platform that enforces a tight coupling between OS and MAPF via a unified, closed-loop optimization interface. Unlike standard benchmarks, WareRover integrates dynamic order streams, physics-aware motion constraints, and non-nominal recovery mechanisms into a single evaluation loop. Experiments reveal that SOTA algorithms often falter under these realistic coupled constraints, demonstrating that WareRover provides a necessary and challenging testbed for robust, next-generation warehouse coordination. The project and video is available at https://hhh-x.github.io/WareRover/.
• Abstract（参考訳）: Robotic Mobile Fulfillment Systems (RMFS) の一般的なパラダイムは、注文スケジューリングとマルチエージェントパスフィニングを独立したサブプロブレムとして扱うのが一般的である。 この分離は、高レベルのディスパッチと低レベルの混雑の間の重要な依存関係を隠蔽する、基本的なボトルネックである、と我々は主張する。 既存のシミュレータはこのギャップを埋めることに失敗し、しばしば異種キネマティクスと確率的実行失敗を抽象化する。 We propose WareRover, a holistic Simulation platform that enforce a tight coupling between OS and MAPF through a unified, closed-loop optimization interface。 標準ベンチマークとは異なり、WareRoverは動的順序ストリーム、物理を意識した動作制約、非線形回復機構を単一の評価ループに統合する。 実験の結果、SOTAアルゴリズムは現実的な制約の下でしばしば失敗し、WaleRoverが堅牢で次世代の倉庫の協調のために必要で挑戦的なテストベッドを提供することを示した。 プロジェクトとビデオはhttps://hhh-x.github.io/WareRover/.comで公開されている。

関連論文リスト

• RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
  ロボットのためのロバスト自動データ取得(RADAR)について紹介する。 RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。 シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-12T11:18:52Z)
• Smoothly Differentiable and Efficiently Vectorizable Contact Manifold Generation [32.9796391255775]
  既存の微分可能シミュレーションフレームワークが直面する重要なボトルネックは、接触多様体の生成である。 このボトルネックに寄与する主な要因は、一般的なロボットシミュレータの関連ルーチンがベクター化や微分可能性のために設計されていないことである。 これらの目標を念頭においてゼロから設計されたフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-23T19:34:47Z)
• KompeteAI: Accelerated Autonomous Multi-Agent System for End-to-End Pipeline Generation for Machine Learning Problems [36.17807193758863]
  KompeteAIは、動的ソリューション空間探索を備えた新しいAutoMLフレームワークである。 我々は動的ソリューション空間探索を備えた新しいAutoMLフレームワークであるKompeteAIを紹介する。 我々は,MLE-Benchにおける制約に対応するために,Kompete-benchを提案する。
  論文  参考訳（メタデータ） (2025-08-13T20:29:56Z)
• Pseudo-Simulation for Autonomous Driving [66.1981253104508]
  既存の自動運転車(AV)の評価パラダイムは、重大な制限に直面している。 現実世界の評価は、安全上の懸念と現実主義の欠如のためにしばしば困難である。 オープンループ評価は、一般的に複合的なエラーを見落としているメトリクスに依存する。
  論文  参考訳（メタデータ） (2025-06-04T17:57:53Z)
• Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
  我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。 既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。 我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T06:35:18Z)
• Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを紹介する。 バスケットボールU,サッカーU,サッカーUの3つの実践的スポーツデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• Edge Federated Learning Via Unit-Modulus Over-The-Air Computation (Extended Version) [64.76619508293966]
  本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。 ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。 車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
  論文  参考訳（メタデータ） (2021-01-28T15:10:22Z)

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。