論文の概要: Multi-Robot Coordination for Planning under Context Uncertainty

• arxiv url: http://arxiv.org/abs/2603.13748v1
• Date: Sat, 14 Mar 2026 04:38:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.784488
• Title: Multi-Robot Coordination for Planning under Context Uncertainty
• Title（参考訳）: 環境不確実性を考慮した計画のためのマルチロボットコーディネーション
• Authors: Pulkit Rustagi, Kyle Hollins Wray, Sandhya Saisubramanian,
• Abstract要約: 現実のロボットは、目的の優先順位が下層の操作状況に依存するような環境で運用されることが多い。 我々は,この問題をMR-CUSSP(Multi-Robot Context-Uncertain Shortest Path)として定式化する。 CIMOP (Coordinated Inference for Multi-Objective Planning) は,ロボットを情報的ランドマークへ誘導し,現実の文脈を効率的に推測する計画と,LCBS (Lexicographic Conflict-Based Search) の2段階からなる。
• 参考スコア（独自算出の注目度）: 7.18523391773903
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world robots often operate in settings where objective priorities depend on the underlying context of operation. When the underlying context is unknown apriori, multiple robots may have to coordinate to gather informative observations to infer the context, since acting based on an incorrect context can lead to misaligned and unsafe behavior. Once the underlying true context is inferred, the robots optimize their task-specific objectives in the preference order induced by the context. We formalize this problem as a Multi-Robot Context-Uncertain Stochastic Shortest Path (MR-CUSSP), which captures context-relevant information at landmark states through joint observations. Our two-stage solution approach is composed of: (1) CIMOP (Coordinated Inference for Multi-Objective Planning) to compute plans that guide robots toward informative landmarks to efficiently infer the true context, and (2) LCBS (Lexicographic Conflict-Based Search) for collision-free multi-robot path planning with lexicographic objective preferences, induced by the context. We evaluate the algorithms using three simulated domains and demonstrate its practical applicability using five mobile robots in the salp domain setup.
• Abstract（参考訳）: 現実のロボットは、目的の優先順位が下層の操作状況に依存するような環境で運用されることが多い。 背景となるコンテキストが不明な場合、複数のロボットが協調してコンテキストを推測する必要がある。 根底にある真のコンテキストが推測されると、ロボットはコンテキストによって誘導される嗜好順序でタスク固有の目的を最適化する。 我々は,この問題をMR-CUSSP(Multi-Robot Context-Uncertain Stochastic Shortest Path)として定式化した。 CIMOP(Coordinated Inference for Multi-Objective Planning:多目的計画のための協調推論)は,ロボットを情報的ランドマークへ誘導し,現実の文脈を効率的に推測する計画,そして,その文脈によって引き起こされる,衝突のない複数ロボット経路計画のための LCBS (Lexicographic Conflict-Based Search) である。 3つのシミュレートされたドメインを用いてアルゴリズムの評価を行い、5つの移動ロボットを用いてサルプドメイン設定の実用性を実証した。

関連論文リスト

• SMc2f: Robust Scenario Mining for Robotic Autonomy from Coarse to Fine [8.662817298688147]
  RefAVは、大きな言語モデル(LLM)を使用して、空間的かつ時間的にシナリオをローカライズするエンドツーエンドフレームワークである。 SMc2fは、粗い画像テキストフィルタリングに視覚言語モデル(VLM)を使用するパイプラインである。 公開データセットの実験は、検索品質と効率の両方において、かなりの向上を示している。
  論文  参考訳（メタデータ） (2026-01-17T11:25:55Z)
• Multi-Objective Planning with Contextual Lexicographic Reward Preferences [3.7613513367578197]
  本稿では,コンテキストに応じて,様々な語彙的対象順序で計画を可能にする枠組みを提案する。 CLMDPでは、状態における目的順序と関連する報酬関数の両方がコンテキストによって決定される。 CLMDPを解くアルゴリズムは、まず、目的の注文ごとにポリシーを計算し、それらを単一のコンテキスト対応ポリシーに結合する。
  論文  参考訳（メタデータ） (2025-02-13T19:04:22Z)
• Context-Aware Command Understanding for Tabletop Scenarios [1.7082212774297747]
  本稿では,テーブルトップシナリオにおける自然人コマンドの解釈を目的とした,新しいハイブリッドアルゴリズムを提案する。 音声、ジェスチャー、シーンコンテキストを含む複数の情報ソースを統合することにより、ロボットに対して実行可能な指示を抽出する。 システムの長所と短所、特にマルチモーダルコマンド解釈の扱い方について論じる。
  論文  参考訳（メタデータ） (2024-10-08T20:46:39Z)
• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and Sensing [1.3678064890824186]
  HARPS(Human Assisted Robotic Planning and Sensing)フレームワークは、ロボットチームにおけるアクティブなセマンティックセンシングと計画のためのフレームワークである。 このアプローチにより、人間が不規則にモデル構造を強制し、不確実な環境で意味的なソフトデータの範囲を拡張することができる。 大規模部分構造環境におけるUAV対応ターゲット探索アプリケーションのシミュレーションは、時間と信念状態の推定において著しく改善されている。
  論文  参考訳（メタデータ） (2021-10-20T00:41:57Z)
• iCORPP: Interleaved Commonsense Reasoning and Probabilistic Planning on Robots [46.13039152809055]
  我々はiCORPPと呼ばれる新しいアルゴリズムを提案し、現在の世界状態を同時に推定し、世界ダイナミクスの推論を行い、タスク指向のコントローラを構築する。 結果は、競合するベースラインと比較して、スケーラビリティ、効率、適応性が大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2020-04-18T17:46:59Z)

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。