Fugu-MT 論文翻訳(概要): Conflict-Based Search for Multi-Agent Path Finding with Elevators

論文の概要: Conflict-Based Search for Multi-Agent Path Finding with Elevators

arxiv url: http://arxiv.org/abs/2602.20512v1
Date: Tue, 24 Feb 2026 03:29:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-23 08:17:41.660768
Title: Conflict-Based Search for Multi-Agent Path Finding with Elevators
Title（参考訳）: エレベータを用いたマルチエージェントパスの競合に基づく探索
Authors: Haitong He, Xuemian Wu, Shizhe Zhao, Zhongqiang Ren,
Abstract要約: 本稿では,エレベータを用いたマルチエージェントパス探索 (MAPF-E) 問題について検討する。最初は複数のエージェントが、異なるフロアに位置する可能性のある目標地点まで、コンフリクトフリーの道を模索している。エレベーターの存在はエージェント間の相互作用を複雑にし、計画に新たな課題をもたらす。
参考スコア（独自算出の注目度）: 6.446222823123509
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper investigates a problem called Multi-Agent Path Finding with Elevators (MAPF-E), which seeks conflict-free paths for multiple agents from their start to goal locations that may locate on different floors, and the agents can use elevators to travel between floors. The existence of elevators complicates the interaction among the agents and introduces new challenges to the planning. On the one hand, elevators can cause many conflicts among the agents due to its relatively long traversal time across floors, especially when many agents need to reach a different floor. On the other hand, the planner has to reason in a larger state space including the states of the elevators, besides the locations of the agents.
Abstract（参考訳）: 本稿では,複数のエージェントが異なるフロア上に位置する可能性のある目標地点までの衝突のない経路を求めるMAPF-E(Multi-Agent Path Finding with Elevators)問題について検討する。エレベーターの存在はエージェント間の相互作用を複雑にし、計画に新たな課題をもたらす。一方、エレベーターは、特に多くのエージェントが別のフロアに到達する必要がある場合、床を横断する比較的長い移動時間のために、エージェント間の多くの衝突を引き起こす可能性がある。一方、プランナーはエレベーターの状態だけでなく、エージェントの位置も考慮しなければならない。

関連論文リスト

Beyond Monolithic Architectures: A Multi-Agent Search and Knowledge Optimization Framework for Agentic Search [56.78490647843876]
エージェント検索は、大規模言語モデル(LLM)が推論とツールの使用をインターリーブできるようにすることによって、複雑な情報を探すための有望なパラダイムとして登場した。本稿では,bfM-ASKを提案する。bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK。
論文参考訳（メタデータ） (2026-01-08T08:13:27Z)
Hybrid Stackelberg Game and Diffusion-based Auction for Two-tier Agentic AI Task Offloading in Internet of Agents [70.6356929970175]
Internet of Agents (IoA)は、相互接続されたインテリジェントシステムのための基盤アーキテクチャである。 IoAには物理エンティティ、すなわち限られたオンボードリソースを備えた無線エージェント(WA)が含まれており、計算集約型のエージェントAIサービスを近くのサーバにオフロードする必要がある。タスクオフロードを容易にする2層最適化手法を提案する。
論文参考訳（メタデータ） (2025-11-27T03:55:18Z)
Mobile-Agent-E: Self-Evolving Mobile Assistant for Complex Tasks [85.48034185086169]
Mobile-Agent-Eは、過去の経験を通じて自己進化できる階層的なマルチエージェントフレームワークである。 Mobile-Agent-Eは従来の最先端アプローチよりも22%の絶対的な改善を実現している。
論文参考訳（メタデータ） (2025-01-20T20:35:46Z)
Fault-Tolerant Offline Multi-Agent Path Planning [5.025654873456756]
本研究では,複数のエージェントが実行時にクラッシュする可能性のある新しいグラフパス計画問題について検討し,ワークスペースの一部をブロックする。我々の設定では、エージェントは隣のクラッシュしたエージェントを検出し、実行時に後続のパスを変更することができる。その目的は、各エージェントに対して一連のパスを作成し、ルールを切り替えることであり、すべての正しいエージェントが衝突やデッドロックなしで目的地に到達することを保証することである。
論文参考訳（メタデータ） (2022-11-25T05:58:32Z)
Multi-agent Deep Covering Skill Discovery [50.812414209206054]
本稿では,複数エージェントの結合状態空間の予測被覆時間を最小化し,マルチエージェントオプションを構築するマルチエージェントDeep Covering Option Discoveryを提案する。また、MARLプロセスにマルチエージェントオプションを採用するための新しいフレームワークを提案する。提案アルゴリズムは,アテンション機構とエージェントの相互作用を効果的に把握し,マルチエージェントオプションの同定に成功した。
論文参考訳（メタデータ） (2022-10-07T00:40:59Z)
Multi-Agent Terraforming: Efficient Multi-Agent Path Finding via Environment Manipulation [12.401344261399613]
マルチエージェントパスフィニング(Multi-agent pathfinding)は、障害が散らばった環境において、開始時から目標地点まで、エージェントのチームが衝突のない経路を計画することに関心がある。我々はMAPFの新たな拡張を導入し、Terraforming MAPF (tMAPF) と呼び、いくつかのエージェントが障害を移動して他のエージェントへの道をクリアする役割を担っている。我々は、tMAPFに取り組むために、CBSとPBSという2つの最先端アルゴリズムを拡張し、静的な障害物設定で可能な限り優れた解を常に上回ることを示す。
論文参考訳（メタデータ） (2022-03-20T12:18:35Z)
Subdimensional Expansion Using Attention-Based Learning For Multi-Agent Path Finding [9.2127262112464]
MAPF(Multi-Agent Path Finding)は、各開始点から目標地点までの複数のエージェントに対する競合のないパスを見つける。我々は、この学習に基づくシングルエージェントプランナーをM*に統合することにより、LM*と呼ばれる新しいマルチエージェントプランナーを開発する。以上の結果から,M* と比較した場合,LM* はコンフリクトが少なく,高速に動作し,高い成功率を享受できることがわかった。
論文参考訳（メタデータ） (2021-09-29T20:01:04Z)
Cooperative Exploration for Multi-Agent Deep Reinforcement Learning [127.4746863307944]
深層強化学習のための協調型マルチエージェント探索(CMAE)を提案する。ゴールは正規化エントロピーに基づく手法により、複数の射影状態空間から選択される。 CMAEが様々なタスクのベースラインを一貫して上回っていることを実証する。
論文参考訳（メタデータ） (2021-07-23T20:06:32Z)
Decentralised Approach for Multi Agent Path Finding [6.599344783327053]
MAPF (Multi Agent Path Finding) は、空間的に拡張されたエージェントに対する競合のない経路の同定を必要とする。これらは、Convoy Movement ProblemやTraning Schedulingといった現実世界の問題に適用できる。提案手法であるDecentralized Multi Agent Path Finding (DeMAPF) は、MAPFを経路計画と割り当ての問題の系列として扱う。
論文参考訳（メタデータ） (2021-06-03T18:07:26Z)
Abnormal activity capture from passenger flow of elevator based on unsupervised learning and fine-grained multi-label recognition [18.166284261575473]
本稿では,多層住宅におけるエレベータの利用者フローを通じて,住民の異常活動の把握を目的とした作業フローを提案する。エレベーターには、カメラとセンサー(ホールセンサー、光電センサー、ジャイロ、加速度計、気圧計、温度計)が取り付けられ、画像とデータを収集する。エレベータの乗客フローを一般化するために, インスタンスセグメンテーション, マルチラベル認識, 埋め込み, クラスタリングなどのコンピュータビジョンアルゴリズムを適用した。
論文参考訳（メタデータ） (2020-06-29T08:50:20Z)

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。