論文の概要: A Generalized Voronoi Graph based Coverage Control Approach for Non-Convex Environment

• arxiv url: http://arxiv.org/abs/2603.09596v1
• Date: Tue, 10 Mar 2026 12:42:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.161416
• Title: A Generalized Voronoi Graph based Coverage Control Approach for Non-Convex Environment
• Title（参考訳）: 非凸環境における一般ボロノイグラフに基づく被覆制御手法
• Authors: Zuyi Guo, Ronghao Zheng, Meiqin Liu, Senlin Zhang,
• Abstract要約: 本稿では,一般グラフ化VoronBalancingGVGに基づくカバレッジ制御手法を提案する。 負荷分散フェーズでは、リージョンはGVGに基づいて複数のサブリージョンに分割される。 協調被覆フェーズでは、各ロボットは、その領域を効果的にカバーする新しいコントローラによって制御される。
• 参考スコア（独自算出の注目度）: 9.730448863739449
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To address the challenge of efficient coverage by multi-robot systems in non-convex regions with multiple obstacles, this paper proposes a coverage control method based on the Generalized Voronoi Graph (GVG), which has two phases: Load-Balancing Algorithm phase and Collaborative Coverage phase. In Load-Balancing Algorithm phase, the non-convex region is partitioned into multiple sub-regions based on GVG. Besides, a weighted load-balancing algorithm is developed, which considers the quality differences among sub-regions. By iteratively optimizing the robot allocation ratio, the number of robots in each sub-region is matched with the sub-region quality to achieve load balance. In Collaborative Coverage phase, each robot is controlled by a new controller to effectively coverage the region. The convergence of the method is proved and its performance is evaluated through simulations.
• Abstract（参考訳）: 本稿では,複数障害のある非凸領域におけるマルチロボットシステムによる効率的なカバレッジの課題を解決するために,ロードバランシングアルゴリズムフェーズと協調被覆フェーズという2つのフェーズを持つ一般化ボロノイグラフ(GVG)に基づくカバレッジ制御手法を提案する。 ロードバランシングアルゴリズムでは、非凸領域はGVGに基づいて複数のサブリージョンに分割される。 さらに,サブリージョン間の品質差を考慮した重み付き負荷分散アルゴリズムを開発した。 ロボット割り当て比率を反復的に最適化することにより、各サブリージョン内のロボット数とサブリージョン品質とを一致させて負荷バランスを実現する。 協調被覆フェーズでは、各ロボットは、その領域を効果的にカバーする新しいコントローラによって制御される。 提案手法の収束性を証明し,シミュレーションにより評価した。

関連論文リスト

• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• Accelerating Spectral Clustering under Fairness Constraints [56.865810822418744]
  本研究では,Fair SC問題を凸関数(DC)フレームワークの差内にキャストすることで,フェアスペクトルクラスタリング(Fair SC)のための新しい効率的な手法を提案する。 本研究では,各サブプロブレムを効率よく解き,計算効率が先行処理よりも高いことを示す。
  論文  参考訳（メタデータ） (2025-06-09T18:46:27Z)
• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)
• Decentralized Multi-Level Compositional Optimization Algorithms with Level-Independent Convergence Rate [26.676582181833584]
  分散化されたマルチレベル最適化は、マルチレベル構造と分散通信のために困難である。 マルチレベル構成問題を最適化する2つの新しい分散最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-06-06T00:23:28Z)
• Large-Scale Traffic Signal Control Using Constrained Network Partition and Adaptive Deep Reinforcement Learning [19.914106989483987]
  近年,Multi-Adnt Deep Reinforcement Learning (MADRL)に基づく交通信号制御が注目されている。 いくつかの文献では、ネットワーク全体を複数の非結合領域に分割する地域制御アプローチを採用している。 上記の制約に対処するために、RereaLightという新しいRLトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-21T14:42:58Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• Comparative analysis of machine learning methods for active flow control [60.53767050487434]
  遺伝的プログラミング(GP)と強化学習(RL)はフロー制御において人気を集めている。 この研究は2つの比較分析を行い、地球規模の最適化手法に対して最も代表的なアルゴリズムのいくつかをベンチマークする。
  論文  参考訳（メタデータ） (2022-02-23T18:11:19Z)
• Asynchronous Distributed Reinforcement Learning for LQR Control via Zeroth-Order Block Coordinate Descent [7.6860514640178]
  分散強化学習のための新しいゼロ階最適化アルゴリズムを提案する。 これにより、各エージェントはコンセンサスプロトコルを使わずに、コスト評価を独立してローカル勾配を推定できる。
  論文  参考訳（メタデータ） (2021-07-26T18:11:07Z)
• Distributed Algorithms for Linearly-Solvable Optimal Control in Networked Multi-Agent Systems [15.782670973813774]
  ネットワーク化されたMASの最適制御問題を複数の局所最適制御問題に分割する分散フレームワークを提案する。 離散時間系では、各サブシステムの合同ベルマン方程式は線形方程式系に変換される。 連続時間系では、各サブシステムの合同最適方程式は線形偏微分方程式に変換される。
  論文  参考訳（メタデータ） (2021-02-18T01:31:17Z)

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。