論文の概要: A Micro-Macro Model of Encounter-Driven Information Diffusion in Robot Swarms

• arxiv url: http://arxiv.org/abs/2602.21148v1
• Date: Tue, 24 Feb 2026 17:49:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.676417
• Title: A Micro-Macro Model of Encounter-Driven Information Diffusion in Robot Swarms
• Title（参考訳）: ロボット群における係員駆動型情報拡散のマイクロマクロモデル
• Abstract要約: アカウント駆動型情報拡散では、ロボットはミーティング時にのみ情報を交換することができる。 そのため、ロボットはいつ、どこで、誰が会うかを予測する手段がない。 本稿では,EDIDの本質的ダイナミクスを捉える情報拡散モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.9023847175654601
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we propose the problem of Encounter-Driven Information Diffusion (EDID). In EDID, robots are allowed to exchange information only upon meeting. Crucially, EDID assumes that the robots are not allowed to schedule their meetings. As such, the robots have no means to anticipate when, where, and who they will meet. As a step towards the design of storage and routing algorithms for EDID, in this paper we propose a model of information diffusion that captures the essential dynamics of EDID. The model is derived from first principles and is composed of two levels: a micro model, based on a generalization of the concept of `mean free path'; and a macro model, which captures the global dynamics of information diffusion. We validate the model through extensive robot simulations, in which we consider swarm size, communication range, environment size, and different random motion regimes. We conclude the paper with a discussion of the implications of this model on the algorithms that best support information diffusion according to the parameters of interest.
• Abstract（参考訳）: 本稿では,EDID(Encounter-Driven Information Diffusion)の問題を提案する。 EDIDでは、ロボットはミーティング時にのみ情報を交換することができる。 EDIDは、ロボットが会議をスケジュールすることはできないと仮定する。 そのため、ロボットはいつ、どこで、誰が会うかを予測する手段がない。 本稿では,EDIDのストレージおよびルーティングアルゴリズムの設計に向けたステップとして,EDIDの本質的ダイナミクスを捉える情報拡散モデルを提案する。 このモデルは第一原理から導出され、「平均自由経路」の概念の一般化に基づくマイクロモデルと、情報拡散のグローバルなダイナミクスを捉えるマクロモデルという2つのレベルで構成されている。 本研究では,Swarmサイズ,通信範囲,環境サイズ,異なるランダムな動作状態を考慮したロボットシミュレーションにより,モデルの有効性を検証した。 本稿では,このモデルが関心のパラメータに応じて情報拡散を最も支援するアルゴリズムに与える影響について論じる。

関連論文リスト

• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• Diffusion Models for Robotic Manipulation: A Survey [8.215325350337126]
  拡散生成モデルは、画像やビデオ生成のような視覚領域において顕著な成功を収めている。 彼らはまた、ロボット工学、特にロボット操作において有望なアプローチとして登場した。 この調査は、ロボット操作における最先端の拡散モデルに関する総合的なレビューを提供する。
  論文  参考訳（メタデータ） (2025-04-11T11:01:11Z)
• AutoURDF: Unsupervised Robot Modeling from Point Cloud Frames Using Cluster Registration [4.7005020638926345]
  AutoURDFは、ポイントクラウドフレームから見えないロボットのための記述ファイルを構築するための教師なしのアプローチである。 本研究は,(1)移動部セグメンテーション,(2)身体トポロジ推論,(3)関節パラメータ推定といった課題に階層的に対処する。 以上の結果から,本手法は従来手法の登録精度と身体のトポロジー推定精度に優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-12-07T02:40:55Z)
• VidMan: Exploiting Implicit Dynamics from Video Diffusion Model for Effective Robot Manipulation [79.00294932026266]
  VidManは、安定性を高め、データ利用効率を向上させるために、2段階のトレーニングメカニズムを使用する新しいフレームワークである。 我々のフレームワークは、CALVINベンチマークで最先端のベースラインモデルGR-1を上回り、11.7%の相対的な改善を実現し、OXEの小規模データセットで9%以上の精度向上を示す。
  論文  参考訳（メタデータ） (2024-11-14T03:13:26Z)
• Data-Driven Predictive Control of Nonholonomic Robots Based on a Bilinear Koopman Realization: Data Does Not Replace Geometry [0.5277756703318045]
  本稿では,非ホロノミック移動ロボットの予測制御系にEDMDモデルを組み込む方法について検討する。 実世界の計測データのみを用いて、シミュレーションとハードウェア実験の両方で、サロゲートモデルが高精度な予測制御を可能にすることが示されている。
  論文  参考訳（メタデータ） (2024-11-11T18:08:17Z)
• Multi-Robot Motion Planning with Diffusion Models [22.08293753545732]
  本研究では,基礎となるデータ分布に適合する衝突のないマルチロボット軌道を生成する手法を提案する。 我々のアルゴリズムであるMulti-robot Multi-model Planning Diffusion (MMD)は、学習された拡散モデルと古典的な検索に基づく手法を組み合わせることで実現している。 我々は,ロジスティクス環境に動機付けられた様々なシナリオにおいて,多数のロボットを計画する上でのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-04T01:31:13Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• AutoRT: Embodied Foundation Models for Large Scale Orchestration of Robotic Agents [109.3804962220498]
  AutoRTは、人間の監督を最小限に抑えて、完全に見えないシナリオで運用ロボットの展開をスケールアップするシステムである。 われわれはAutoRTが複数の建物にまたがる20以上のロボットに指示を提示し、遠隔操作と自律ロボットポリシーを通じて77万個の実ロボットエピソードを収集するデモを行った。 実験により,AutoRTが収集した「未使用データ」は極めて多種多様であり,AutoRTのLLMを使用することで,人間の好みに合わせることができるデータ収集ロボットの指示が可能であることを実証した。
  論文  参考訳（メタデータ） (2024-01-23T18:45:54Z)
• Transferring Foundation Models for Generalizable Robotic Manipulation [82.12754319808197]
  インターネット規模の基盤モデルによって生成された言語推論セグメンテーションマスクを効果的に活用する新しいパラダイムを提案する。 提案手法は,オブジェクトのポーズを効果的かつ堅牢に知覚し,サンプル効率のよい一般化学習を可能にする。 デモは提出されたビデオで見ることができ、より包括的なデモはlink1またはlink2で見ることができます。
  論文  参考訳（メタデータ） (2023-06-09T07:22:12Z)
• PheroCom: Decentralised and asynchronous swarm robotics coordination based on virtual pheromone and vibroacoustic communication [0.0]
  本研究は、シグメリン性物質の仮想化と制御に基づいて、ロボット群を協調させるモデルを提案する。 各ロボットは独立した仮想フェロモンマップを保持しており、ロボットの堆積とフェロモンの蒸発とともに継続的に更新される。 フェロモン情報伝達は、アリの視覚音響通信にインスパイアされ、ゴシッププロトコルの一種を通じて間接的なコミュニケーションとして特徴づけられる。
  論文  参考訳（メタデータ） (2022-02-27T21:22:14Z)
• 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。