論文の概要: GRACE: A Unified 2D Multi-Robot Path Planning Simulator & Benchmark for Grid, Roadmap, And Continuous Environments
- arxiv url: http://arxiv.org/abs/2603.10858v1
- Date: Wed, 11 Mar 2026 15:06:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-12 16:22:33.017371
- Title: GRACE: A Unified 2D Multi-Robot Path Planning Simulator & Benchmark for Grid, Roadmap, And Continuous Environments
- Title（参考訳）: GRACE: グリッド、ロードマップ、連続環境のための統合された2次元マルチロボットパス計画シミュレータとベンチマーク
- Authors: Chuanlong Zang, Anna Mannucci, Isabelle Barz, Philipp Schillinger, Florian Lier, Wolfgang Hönig,
- Abstract要約: 複数の抽象化レベルで同じタスクをインスタンス化する2次元シミュレータ+ベンチマークであるGRACEを提案する。
公開マップと代表プランナーに関する実証的な結果により、共有インスタンスセットのコンメンシュレート比較が可能となる。
- 参考スコア（独自算出の注目度）: 4.584218156729881
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Advancing Multi-Agent Pathfinding (MAPF) and Multi-Robot Motion Planning (MRMP) requires platforms that enable transparent, reproducible comparisons across modeling choices. Existing tools either scale under simplifying assumptions (grids, homogeneous agents) or offer higher fidelity with less comparable instrumentation. We present GRACE, a unified 2D simulator+benchmark that instantiates the same task at multiple abstraction levels (grid, roadmap, continuous) via explicit, reproducible operators and a common evaluation protocol. Our empirical results on public maps and representative planners enable commensurate comparisons on a shared instance set. Furthermore, we quantify the expected representation-fidelity trade-offs (MRMP solves instances at higher fidelity but lower speed, while grid/roadmap planners scale farther). By consolidating representation, execution, and evaluation, GRACE thereby aims to make cross-representation studies more comparable and provides a means to advance multi-robot planning research and its translation to practice.
- Abstract（参考訳）: MAPF(Advancing Multi-Agent Pathfinding)とMRMP(Multi-Robot Motion Planning)は、モデリング選択間で透過的で再現可能な比較を可能にするプラットフォームを必要とする。
既存のツールは、単純化された仮定(グレード、均質なエージェント)の下でスケールするか、または同等でないインスツルメンテーションで高い忠実度を提供する。
我々は,複数の抽象化レベル(グリッド,ロードマップ,連続)で同一タスクを,明示的で再現可能な演算子と共通評価プロトコルを介してインスタンス化する,統合された2Dシミュレータ+ベンチマークであるGRACEを提案する。
公開マップと代表プランナーに関する実証的な結果により、共有インスタンスセットのコンメンシュレート比較が可能となる。
さらに、予測表現忠実度トレードオフ(MRMPは、より高い忠実度と低い速度でインスタンスを解決し、グリッド/ロードマッププランナはより遠くまでスケールする)を定量化する。
表象、実行、評価を統合することで、GRACEはクロス表現研究をより同等にすることを目指しており、マルチロボット計画研究の進展と実践への翻訳の手段を提供する。
関連論文リスト
- Reason to Contrast: A Cascaded Multimodal Retrieval Framework [60.99421225506685]
ハイブリッドマルチモーダル検索フレームワークであるTTE-v2では、モデルや埋め込みサイズではなく、追加の入力トークン予算に基づく推論駆動のパフォーマンススケーリングが導入されている。
提案手法は,初期マルチモーダル検索をさらに強化し,テスト時により表現力の高いクエリ・候補間相互作用を可能にする。
MMEB-V2ベンチマークの実験では、TTE-v2-7Bは75.7%の新しい最先端の精度を実現し、TTE-v2-2Bは、かなり大きな外部データで訓練された7Bモデルと一致または上回った。
論文 参考訳（メタデータ） (2025-12-21T04:52:48Z) - ARM-Thinker: Reinforcing Multimodal Generative Reward Models with Agentic Tool Use and Visual Reasoning [103.7657839292775]
ARM-Thinkerはエージェント・マルチモーダル・リワード・モデルであり、検証された証拠で判断を下すために外部ツールを自律的に呼び出す。
ARM-Thinkerを多段階強化学習で訓練し、ツールコール決定と判定精度を協調的に最適化する。
その結果,エージェント能力は報酬モデルの精度と解釈可能性の両方を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2025-12-04T18:59:52Z) - nuPlan-R: A Closed-Loop Planning Benchmark for Autonomous Driving via Reactive Multi-Agent Simulation [2.585002881750625]
我々は、新しいリアクティブクローズドループ計画ベンチマークであるnuPlan-Rを提案する。
本ベンチマークでは,ルールベースのIMMエージェントをノイズ分離型拡散型反応性エージェントに置き換える。
ベンチマークを2つの追加メトリクスで拡張し、計画性能をより包括的な評価を可能にします。
論文 参考訳（メタデータ） (2025-11-13T15:23:30Z) - HEAS: Hierarchical Evolutionary Agent Simulation Framework for Cross-Scale Modeling and Multi-Objective Search [4.807104001943257]
階層シミュレーションエージェント(Hierarchical Simulation Agent, HEAS)は、階層化されたエージェントベースのモデリングを進化的最適化とトーナメント評価で統合するPythonフレームワークである。
HEASは、共有コンテキストを読み書きする決定論的レイヤにスケジュールされた軽量プロセス(ストリーム)の階層としてモデルを表現する。
compact APIとCLIは、シングルオブジェクトとマルチオブジェクトの進化をシミュレートし、最適化し、評価します。
論文 参考訳（メタデータ） (2025-08-21T13:35:46Z) - Boosting Virtual Agent Learning and Reasoning: A Step-Wise, Multi-Dimensional, and Generalist Reward Model with Benchmark [72.46357004059661]
Generalist Virtual Agents (GVA) は自律的なタスク実行において大きな可能性を示している。
これらの課題に対処するため,ステップワイズ多次元ジェネラリスト・リワードモデルを提案する。
同様に、エージェントトレーニング用のきめ細かい信号を提供し、推論時間スケーリングのためのより良いアクションを選択することができる。
論文 参考訳（メタデータ） (2025-03-24T13:30:47Z) - Robust Multi-View Learning via Representation Fusion of Sample-Level Attention and Alignment of Simulated Perturbation [61.64052577026623]
実世界のマルチビューデータセットは、しばしば不均一で不完全である。
本稿では,表現融合とアライメントを同時に行う新しいロバストMVL法(RML)を提案する。
我々のRMLは自己教師型であり、正規化として下流のタスクにも適用できます。
論文 参考訳（メタデータ） (2025-03-06T07:01:08Z) - MacFormer: Map-Agent Coupled Transformer for Real-time and Robust
Trajectory Prediction [26.231420111336565]
実時間およびロバストな軌道予測のためのMap-Agent Coupled Transformer (MacFormer)を提案する。
本フレームワークは,共用マップと参照抽出器という,慎重に設計された2つのモジュールを通じて,マップ制約をネットワークに明示的に組み込む。
我々はArgoverse 1 と Argoverse 2 と nuScenes の実世界のベンチマークに対するアプローチを評価し、いずれも最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2023-08-20T14:27:28Z) - JFP: Joint Future Prediction with Interactive Multi-Agent Modeling for
Autonomous Driving [12.460224193998362]
構造化されたグラフィカルモデルの定式化において,エージェント同士の相互作用を直接学習するエンド・ツー・エンドのトレーニング可能なモデルを提案する。
提案手法は,単エージェントトラジェクタのトラジェクタとトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタのトラジェクタの性能を向上する。
論文 参考訳（メタデータ） (2022-12-16T20:59:21Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。
エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
論文 参考訳（メタデータ） (2020-07-26T08:17:10Z)
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。