論文の概要: Collaborative Planning with Concurrent Synchronization for Operationally Constrained UAV-UGV Teams

• arxiv url: http://arxiv.org/abs/2603.06898v1
• Date: Fri, 06 Mar 2026 21:36:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.018561
• Title: Collaborative Planning with Concurrent Synchronization for Operationally Constrained UAV-UGV Teams
• Title（参考訳）: 運用制約付きUAV-UGVチームにおける同時同期による協調計画
• Authors: Zihao Deng, Qianhuang Li, Peng Gao, Maggie Wigness, John Rogers, Donghyun Kim, Hao Zhang,
• Abstract要約: コラボレーティブプランニング(Collaborative Planning with Concurrent Synchronization, CoPCS)は、タスクエンコーディングのための異種グラフトランスフォーマーと、共同で同期されたコプランニングのためのトランスフォーマデコーダを統合する学習ベースのアプローチである。 本手法は,同時並行計画の新たなマルチロボット機能を提供し,チームパフォーマンスを大幅に向上させる。
• 参考スコア（独自算出の注目度）: 12.49123582162583
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collaborative planning under operational constraints is an essential capability for heterogeneous robot teams tackling complex large-scale real-world tasks. Unmanned Aerial Vehicles (UAVs) offer rapid environmental coverage, but flight time is often limited by energy constraints, whereas Unmanned Ground Vehicles (UGVs) have greater energy capacity to support long-duration missions, but movement is constrained by traversable terrain. Individually, neither can complete tasks such as environmental monitoring. Effective UAV-UGV collaboration therefore requires energy-constrained multi-UAV task planning, traversability-constrained multi-UGV path planning, and crucially, synchronized concurrent co-planning to ensure timely in-mission recharging. To enable these capabilities, we propose Collaborative Planning with Concurrent Synchronization (CoPCS), a learning-based approach that integrates a heterogeneous graph transformer for operationally constrained task encoding with a transformer decoder for joint, synchronized co-planning that enables UAVs and UGVs to act concurrently in a coordinated manner. CoPCS is trained end-to-end under a unified imitation learning paradigm. We conducted extensive experiments to evaluate CoPCS in both robotic simulations and physical robot teams. Experimental results demonstrate that our method provides the novel multi-robot capability of synchronized concurrent co-planning and substantially improves team performance. More details of this work are available on the project website: https://hcrlab.gitlab.io/project/CoPCS.
• Abstract（参考訳）: 運用制約下での協調計画は、複雑な大規模現実のタスクに取り組む異種ロボットチームにとって不可欠な能力である。 無人航空機(UAV)は急速な環境負荷を提供するが、飛行時間はエネルギーの制約によって制限されることが多いが、無人地上機(UGV)は長期のミッションをサポートするためにより大きなエネルギー容量を持つが、移動は移動可能な地形によって制限される。 個別には、環境モニタリングのようなタスクを完了できない。 したがって、効率的なUAV-UGV協調には、エネルギーに制約のあるマルチUAVタスク計画、トラバーサビリティに制約のあるマルチUGVパス計画、そして重要なことに、タイムリーなインミッション・リチャージを保証するために、同時同時計画が必要である。 これらの機能を実現するために,コラボレーティブプランニング(Collaborative Planning with Concurrent Synchronization, CoPCS)を提案する。 CoPCSは、統一された模倣学習パラダイムの下でエンドツーエンドに訓練されている。 我々は,ロボットシミュレーションと物理ロボットチームの両方において,CoPCSを評価するための広範囲な実験を行った。 実験結果から,本手法は同時並行計画における新しいマルチロボット機能を提供し,チームパフォーマンスを著しく向上させることを示した。 この作業の詳細はプロジェクトのWebサイト(https://hcrlab.gitlab.io/project/CoPCS)で確認できる。

関連論文リスト

• TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size [54.0714652192002]
  物理に基づくヒューマノイド制御は、現実的でハイパフォーマンスな単一エージェントの動作を可能にするために顕著な進歩を遂げた。 我々は,複数の協力エージェント間で協調的なHOIを処理するための,単一の分散政策を実現するためのフレームワークであるTeamHOIを提案する。
  論文  参考訳（メタデータ） (2026-03-09T05:52:13Z)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• UAV-Assisted Multi-Task Federated Learning with Task Knowledge Sharing [10.690040580314998]
  複数のUAVによって収集されたデータを同時に複数の関連するタスクを訓練するUAV支援多タスクフェデレーション学習方式を提案する。 このスキームは,タスク間の特徴抽出器の共有によるトレーニングプロセスの促進と,タスクパフォーマンスのバランスと知識共有の促進を目的としたタスクアテンション機構の導入を目的としている。
  論文  参考訳（メタデータ） (2025-01-18T03:30:27Z)
• OPTIMA: Optimized Policy for Intelligent Multi-Agent Systems Enables Coordination-Aware Autonomous Vehicles [9.41740133451895]
  本研究は,協調自動運転タスクのための分散強化学習フレームワークOPTIMAを紹介する。 我々のゴールは、非常に複雑で混み合ったシナリオにおいて、CAVの汎用性と性能を改善することです。
  論文  参考訳（メタデータ） (2024-10-09T03:28:45Z)
• 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)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Communication- and Computation-Efficient Distributed Submodular Optimization in Robot Mesh Networks [2.8936428431504164]
  ロボットメッシュネットワークにおける分散サブモジュール最適化のための通信効率と計算効率の両立手法を提案する。 我々の手法であるResource-Aware Distributed Greedy (RAG)は、新しい分散最適化パラダイムを導入する。 RAGの決定時間はネットワークサイズと線形にスケールするが、最先端の準モジュラ最適化アルゴリズムは3倍にスケールする。
  論文  参考訳（メタデータ） (2024-07-15T01:25:39Z)
• Cooperative Cognitive Dynamic System in UAV Swarms: Reconfigurable Mechanism and Framework [80.39138462246034]
  UAVスワムの管理を最適化するための協調認知力学システム(CCDS)を提案する。 CCDSは階層的かつ協調的な制御構造であり、リアルタイムのデータ処理と意思決定を可能にする。 さらに、CCDSは、UAVスワムのタスクを効率的に割り当てるための生体模倣機構と統合することができる。
  論文  参考訳（メタデータ） (2024-05-18T12:45:00Z)
• UAV Swarm-enabled Collaborative Secure Relay Communications with Time-domain Colluding Eavesdropper [115.56455278813756]
  航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。 本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
  論文  参考訳（メタデータ） (2023-10-03T11:47:01Z)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)

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。