論文の概要: LASER: Level-Based Asynchronous Scheduling and Execution Regime for Spatiotemporally Constrained Multi-Robot Timber Manufacturing
- arxiv url: http://arxiv.org/abs/2603.20577v1
- Date: Sat, 21 Mar 2026 00:18:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:38.975567
- Title: LASER: Level-Based Asynchronous Scheduling and Execution Regime for Spatiotemporally Constrained Multi-Robot Timber Manufacturing
- Title（参考訳）: LASER:時空間拘束型マルチロボットティンバー製造のためのレベルベース非同期スケジューリングと実行規則
- Authors: Zhenxiang Huang, Lior Skoury, Tim Stark, Aaron Wagner, Hans Jakob Wagner, Thomas Wortmann, Achim Menges,
- Abstract要約: 木材建設のような領域での大規模製造は、密結合した制約を管理するためにマルチロボットシステムを必要とする。
本稿では,Aスケジュールと実行規則(Level-based A Scheduling and Execution Regime)を紹介する。
木材スラブ製造のためのスクリュープレスグルーイングアプリケーションで実証されたタスクのスケジューリングと実行のための完全なフレームワーク。
- 参考スコア（独自算出の注目度）: 0.855073389982913
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automating large-scale manufacturing in domains like timber construction requires multi-robot systems to manage tightly coupled spatiotemporal constraints, such as collision avoidance and process-driven deadlines. This paper introduces LASER (Level-based Asynchronous Scheduling and Execution Regime), a complete framework for scheduling and executing complex assembly tasks, demonstrated on a screw-press gluing application for timber slab manufacturing. Our central contribution is to integrate a barrier-based mechanism into a constraint programming (CP) scheduling formulation that partitions tasks into spatiotemporally disjoint sets, which we define as levels. This structure enables robots to execute tasks in parallel and asynchronously within a level, synchronizing only at level barriers, which guarantees collision-free operation by construction and provides robustness to timing uncertainties. To solve this formulation for large problems, we propose two specialized algorithms: an iterative temporal-relaxation approach for heterogeneous task sequences and a bi-level decomposition for homogeneous tasks that balances workload. We validate the LASER framework by fabricating a full-scale 2.4m x 6m timber slab with a two-robot system mounted on parallel linear tracks, successfully coordinating 108 subroutines and 352 screws under tight adhesive time windows. Computational studies show our method scales steadily with size compared to a monolithic approach.
- Abstract（参考訳）: 木材建設のような領域での大規模製造を自動化するには、衝突回避やプロセス駆動の期限といった、密結合した時空間的制約を管理するマルチロボットシステムが必要である。
本稿では,複雑な組立作業のスケジューリングと実行のための完全なフレームワークであるLASER(Level-based Asynchronous Scheduling and Execution Regime)を紹介し,木材スラブ製造のためのスクリュープレスグルーイングアプリケーションで実証した。
我々の中心的な貢献は、障壁に基づくメカニズムを制約プログラミング(CP)スケジューリングの定式化に統合し、タスクを時空間的不整合集合に分割し、それをレベルとして定義することである。
この構造により、ロボットはレベル内のタスクを並列かつ非同期に実行し、レベルバリアのみを同期させ、建設による衝突のない動作を保証し、不確実性を検知する堅牢性を提供する。
この定式化を大規模な問題に対して行うために、不均一なタスク列に対する反復的時間緩和アプローチと、ワークロードのバランスをとる同質なタスクに対する二段階分解という2つの特殊なアルゴリズムを提案する。
平行線上に設置した2ロボットシステムを用いた2.4m×6m木製スラブを製作し, 密着時間窓下で108本のサブルーチンと352本のスクリューをコーディネートすることで, LASERフレームワークの有効性を検証した。
計算学的研究により,本手法はモノリシックアプローチと比較して,サイズとともに着実にスケールしていることが示された。
関連論文リスト
- LLM-Grounded Dynamic Task Planning with Hierarchical Temporal Logic for Human-Aware Multi-Robot Collaboration [17.886091169216538]
大規模言語モデル(LLM)は、オープンワールドのマルチロボットタスクを非専門家が指定できるようにする。
LLMの計画は実現性に欠けることが多く、特に長期のシナリオでは効率的ではない。
階層的仕様の推論を基礎としたニューロシンボリックな枠組みを提案する。
論文 参考訳（メタデータ） (2026-02-10T07:11:36Z) - Structural Induced Exploration for Balanced and Scalable Multi-Robot Path Planning [6.823580643749891]
マルチロボット経路計画は、その複雑さと、ロボット間の公平なタスク割り当てとグローバル効率のバランスをとる必要があるため、基本的な課題である。
従来のSwarmインテリジェンス手法は、小さなインスタンスでは有効だが、しばしば早めに収束し、複雑な環境にスケールするのに苦労する。
アリコロニー最適化(ACO)の探索プロセスに構造先行を組み込んだ構造誘発探索フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-25T12:53:24Z) - Learning to Plan & Schedule with Reinforcement-Learned Bimanual Robot Skills [5.745006056037742]
我々は、この課題を統合されたスキル計画とスケジューリングの問題とみなす階層的なフレームワークを導入します。
提案手法は,GPU加速シミュレーションにおいて強化学習(Reinforcement Learning, RL)を用いて訓練された,単腕および二足歩行のプリミティブスキルのライブラリ上に構築されている。
本手法は, エンド・ツー・エンドのRL手法よりも複雑で接触性の高いタスクにおいて, 高い成功率を達成できることを実証する。
論文 参考訳（メタデータ） (2025-10-29T15:39:53Z) - Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。
システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。
提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
論文 参考訳（メタデータ） (2025-10-23T02:55:40Z) - Parallelized Planning-Acting for Efficient LLM-based Multi-Agent Systems [31.894636711684523]
マルチエージェントシステムのための並列化計画実行フレームワークを提案する。
提案するフレームワークは、同時計画と動作を可能にする割り込み可能な実行を備えたデュアルスレッドアーキテクチャを備えている。
論文 参考訳（メタデータ） (2025-03-05T13:53:10Z) - Haste Makes Waste: Evaluating Planning Abilities of LLMs for Efficient and Feasible Multitasking with Time Constraints Between Actions [56.88110850242265]
本稿では,現実の調理シナリオに基づいた新しいベンチマークフレームワークRecipe2Planを紹介する。
従来のベンチマークとは異なり、Recipe2Planは並列タスク実行による調理時間を最適化するためにエージェントに挑戦する。
論文 参考訳（メタデータ） (2025-03-04T03:27:02Z) - Reinforcement learning with combinatorial actions for coupled restless bandits [62.89013331120493]
提案するSEQUOIAは,動作空間に対する長期報酬を直接最適化するRLアルゴリズムである。
我々は,複数介入,経路制約,二部間マッチング,容量制約という,制約を伴う4つの新しいレスレス・バンディット問題に対して,SEQUOIAを実証的に検証した。
論文 参考訳（メタデータ） (2025-03-01T21:25:21Z) - Optimal task and motion planning and execution for human-robot
multi-agent systems in dynamic environments [54.39292848359306]
本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。
このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。
ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-03-27T01:50:45Z) - Cooperative Task and Motion Planning for Multi-Arm Assembly Systems [32.56644393804845]
マルチロボット組立システムは、製造においてますます魅力的になりつつある。
それぞれのロボットがアイドルではなく同時に生産されることを保証する方法でこれらのシステムを計画することは困難である。
本稿では,ロボットのチームが複雑な空間構造を組み立てるための安全で低リスクな計画と協調的に計画するタスク・アンド・モーション・プランニング・フレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-04T18:12:49Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳（メタデータ） (2020-05-27T01:10:41Z)
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。