論文の概要: Path Planning Optimisation for SParse, AwaRe and Cooperative Networked Aerial Robot Teams (SpArC-NARTs): Optimisation Tool and Ground Sensing Coverage Use Cases
- arxiv url: http://arxiv.org/abs/2602.14247v1
- Date: Sun, 15 Feb 2026 17:40:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.477253
- Title: Path Planning Optimisation for SParse, AwaRe and Cooperative Networked Aerial Robot Teams (SpArC-NARTs): Optimisation Tool and Ground Sensing Coverage Use Cases
- Title（参考訳）: SParse, AwaRe, Cooperative Networked Aerial Robot Teams (SpArC-NARTs) の経路計画最適化 : 最適化ツールと地上センシングカバー利用事例
- Authors: Maria Conceição, António Grilo, Meysam Basiri,
- Abstract要約: ネットワーク化された空中ロボットチーム(NART)は、無線リンクで相互接続されたエージェントのグループから構成される。
間欠的(すなわちスパース)であっても、エージェント間のデータ交換を可能にし、協調行動をサポートする。
本稿では,スパース,アウェア,協調型ネットワーク型ロボットチームのための新しい経路計画ツールを提案する。
- 参考スコア（独自算出の注目度）: 1.376408511310322
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A networked aerial robot team (NART) comprises a group of agents (e.g., unmanned aerial vehicles (UAVs), ground control stations, etc.) interconnected by wireless links. Inter-agent connectivity, even if intermittent (i.e. sparse), enables data exchanges between agents and supports cooperative behaviours in several NART missions. It can benefit online decentralised decision-making and group resilience, particularly when prior knowledge is inaccurate or incomplete. These requirements can be accounted for in the offline mission planning stages to incentivise cooperative behaviours and improve mission efficiency during the NART deployment. This paper proposes a novel path planning tool for a Sparse, Aware, and Cooperative Networked Aerial Robot Team (SpArC-NART) in exploration missions. It simultaneously considers different levels of prior information regarding the environment, limited agent energy, sensing, and communication, as well as distinct NART constitutions. The communication model takes into account the limitations of user-defined radio technology and physical phenomena. The proposed tool aims to maximise the mission goals (e.g., finding one or multiple targets, covering the full area of the environment, etc.), while cooperating with other agents to reduce agent reporting times, increase their global situational awareness (e.g., their knowledge of the environment), and facilitate mission replanning, if required. The developed cooperation mechanism leverages soft-motion constraints and dynamic rewards based on the Value of Movement and the expected communication availability between the agents at each time step. A ground sensing coverage use case was chosen to illustrate the current capabilities of this tool.
- Abstract（参考訳）: ネットワーク化された航空ロボットチーム(NART)は、エージェントのグループ(例えば、無人航空機(UAV)、地上管制局など)から構成される。
無線リンクで相互接続する。
間欠的(すなわちスパース)であっても、エージェント間のデータ交換を可能にし、いくつかのNARTミッションで協調行動をサポートする。
オンラインの分散された意思決定とグループレジリエンス、特に事前の知識が不正確あるいは不完全である場合に有効です。
これらの要件は、NART配備中に協調行動のインセンティブを与え、ミッション効率を向上させるために、オフラインのミッション計画段階で説明できる。
本稿では,Sparse, Aware, and Cooperative Networked Aerial Robot Team (SpArC-NART) のための新しい経路計画ツールを提案する。
環境、限られたエージェントエネルギー、センシング、コミュニケーション、および異なるNART構成に関する様々な事前情報を同時に検討する。
通信モデルは、ユーザ定義の無線技術と物理現象の限界を考慮している。
提案手法は,ミッション目標の最大化(例えば,1ないし複数の目標の探索,環境の全領域のカバーなど),エージェント報告時間の短縮,グローバルな状況認識の向上(例えば,環境に関する知識),ミッション再計画の促進などを目的としている。
開発した協調機構は,各段階におけるエージェント間のコミュニケーションの可否と,動きの値に基づくソフトモーション制約と動的報酬を利用する。
このツールの現在の機能を説明するために、地上センシングカバレッジユースケースが選択された。
関連論文リスト
- Communication-Aware Multi-Agent Reinforcement Learning for Decentralized Cooperative UAV Deployment [5.204648436671471]
我々は、分散実行(CTDE)を用いた集中学習の下で訓練されたグラフに基づくマルチエージェント強化学習フレームワークを提案する。
中央集権的な批評家とグローバルな国家は訓練中のみ利用可能であり、各UAVは近隣住民からのローカルな観察とメッセージを使用して共有ポリシーを実行する。
本アーキテクチャでは,ローカルエージェントの状態と周辺エンティティをエージェント・エンタテイメント・モジュールでエンコードし,距離限定通信グラフ上でUAV間メッセージを隣接する自己注意で集約する。
論文 参考訳（メタデータ） (2026-03-17T05:48:51Z) - IMAGINE: Intelligent Multi-Agent Godot-based Indoor Networked Exploration [0.0]
本稿では,2次元屋内環境における課題に対処するために,MARL(Multi-Agent Reinforcement Learning)を実装した。
政策訓練は、不確実性の下で創発的な協調行動と意思決定を達成することを目的としている。
論文 参考訳（メタデータ） (2026-02-02T22:08:41Z) - Towards 6G Native-AI Edge Networks: A Semantic-Aware and Agentic Intelligence Paradigm [85.7583231789615]
6Gはインテリジェンスをネイティブネットワークの能力として位置づけ、無線アクセスネットワーク(RAN)の設計を変革する
このビジョンの中では、セマンティック・ネイティブのコミュニケーションとエージェント・インテリジェンスが中心的な役割を果たすことが期待されている。
エージェントインテリジェンスは、RANエンティティに目標駆動の自律性、推論、計画、マルチエージェントコラボレーションを提供する。
論文 参考訳（メタデータ） (2025-12-04T03:09:33Z) - Air-Ground Collaboration for Language-Specified Missions in Unknown Environments [62.56917065429864]
本稿では,無人航空機 (UAV) と無人地上機 (UGV) が,自然言語で指定されたミッションを協調的に達成できる,第一種システムを提案する。
我々は、Large Language Model(LLM)対応プランナーを利用して、オンライン上に構築され、航空ロボットと地上ロボットの間で機会的に共有されるセマンティック・メトリック・マップを推論する。
論文 参考訳（メタデータ） (2025-05-14T03:33:46Z) - Cooperative and Asynchronous Transformer-based Mission Planning for Heterogeneous Teams of Mobile Robots [1.1049608786515839]
エージェント間の分散意思決定を協調するための協調型非同期トランスフォーマーベースミッションプランニング(CATMiP)フレームワークを提案する。
我々は,CATMiPを2次元グリッドワールドシミュレーション環境で評価し,その性能を計画に基づく探索法と比較した。
論文 参考訳（メタデータ） (2024-10-08T21:14:09Z) - A Scalable Multi-Robot Framework for Decentralized and Asynchronous Perception-Action-Communication Loops [72.1902268440158]
グローバルな目的を達成するため,大規模なロボット群における協調作業は,大規模環境における課題である。
ロボットはパーセプション・アクション・コミュニケーションループを実行し、ローカル環境を認識し、他のロボットと通信し、リアルタイムで行動を起こす必要がある。
近年では、フロッキングやカバレッジ制御などのアプリケーションでグラフニューラルネットワーク(GNN)を使用してこの問題に対処している。
本稿では、分散化されたGNNを用いてナビゲーション動作を計算し、通信のためのメッセージを生成するロボット群における非同期PACフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-18T21:20:50Z) - AdverSAR: Adversarial Search and Rescue via Multi-Agent Reinforcement
Learning [4.843554492319537]
本稿では,敵対的エージェント間コミュニケーションの存在下で,ロボットの戦略を効率的に調整するアルゴリズムを提案する。
ロボットは対象の場所について事前の知識を持っておらず、隣接するロボットのサブセットのみといつでも対話できると仮定される。
提案手法の有効性は, グリッドワールド環境のプロトタイプで実証した。
論文 参考訳（メタデータ） (2022-12-20T08:13:29Z) - Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。
当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。
我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
論文 参考訳（メタデータ） (2021-03-08T21:48:55Z) - Path Design and Resource Management for NOMA enhanced Indoor Intelligent
Robots [58.980293789967575]
通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。
室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。
調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
論文 参考訳（メタデータ） (2020-11-23T21:45:01Z) - Who2com: Collaborative Perception via Learnable Handshake Communication [34.29310680302486]
本稿では,ロボットが周囲のエージェントと局所的な観察を組み合わせて学習可能な方法で認識タスクの精度を向上する,協調的知覚の問題を提案する。
ネットワーク通信プロトコルにヒントを得た多段階ハンドシェイク通信機構を提案する。
セマンティックセグメンテーションタスクにおいて、ハンドシェイク通信方式は、分散ベースラインよりも約20%精度が向上し、帯域幅の4分の1を使用した集中型セグメンテーションに匹敵することを示す。
論文 参考訳（メタデータ） (2020-03-21T04:16:22Z)
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。