論文の概要: Collaborative Task and Path Planning for Heterogeneous Robotic Teams using Multi-Agent PPO

• arxiv url: http://arxiv.org/abs/2604.01213v1
• Date: Wed, 01 Apr 2026 17:53:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:32.135143
• Title: Collaborative Task and Path Planning for Heterogeneous Robotic Teams using Multi-Agent PPO
• Title（参考訳）: 多エージェントPPOを用いた異種ロボットチームの協調作業と経路計画
• Authors: Matthias Rubio, Julia Richter, Hendrik Kolvenbach, Marco Hutter,
• Abstract要約: 異種ロボットのチームを調整するために,MAPPO(Multi-Agent Proximal Policy Optimization)に基づく協調計画戦略を提案する。 本研究では, 惑星探査のシナリオにおいて, 総合的な探索によって得られた単一目的最適解に対するアプローチをベンチマークし, オンライン・リプランニングを行う能力を評価する。
• 参考スコア（独自算出の注目度）: 6.508086451004438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient robotic extraterrestrial exploration requires robots with diverse capabilities, ranging from scientific measurement tools to advanced locomotion. A robotic team enables the distribution of tasks over multiple specialized subsystems, each providing specific expertise to complete the mission. The central challenge lies in efficiently coordinating the team to maximize utilization and the extraction of scientific value. Classical planning algorithms scale poorly with problem size, leading to long planning cycles and high inference costs due to the combinatorial growth of possible robot-target allocations and possible trajectories. Learning-based methods are a viable alternative that move the scaling concern from runtime to training time, setting a critical step towards achieving real-time planning. In this work, we present a collaborative planning strategy based on Multi-Agent Proximal Policy Optimization (MAPPO) to coordinate a team of heterogeneous robots to solve a complex target allocation and scheduling problem. We benchmark our approach against single-objective optimal solutions obtained through exhaustive search and evaluate its ability to perform online replanning in the context of a planetary exploration scenario.
• Abstract（参考訳）: 効率的な地球外探査には、科学的測定ツールから高度な移動まで、多様な能力を持つロボットが必要である。 ロボットチームは複数の専門サブシステムにまたがるタスクの分散を可能にし、それぞれがミッションを完了するための専門知識を提供する。 主な課題は、チームが有効活用と科学的価値の抽出を最大限にするために、効率的に調整することである。 古典的な計画アルゴリズムは問題の大きさに乏しく、ロボットとターゲットの割り当てと軌道の組合せによる長い計画サイクルと高い推論コストをもたらす。 学習ベースのメソッドは、スケーリングの懸念をランタイムからトレーニング時間に移行するための実行可能な代替手段であり、リアルタイム計画の実現に向けて重要なステップを設定します。 本研究では,多エージェント・プロキシ・ポリシー・オプティマイゼーション(MAPPO)に基づく協調的計画戦略を提案する。 本研究では, 惑星探査のシナリオにおいて, 総合的な探索によって得られた単一目的最適解に対するアプローチをベンチマークし, オンライン・リプランニングを行う能力を評価する。

関連論文リスト

• Multi-Robot Learning-Informed Task Planning Under Uncertainty [7.227232362460348]
  本研究では,長期的協調のためのモデルに基づく計画手法を用いて,学習と環境の不確かさを推定するマルチロボット計画抽象化を提案する。 本稿では,大規模なProcTHOR家庭環境において,競争ベースラインを超えた1,2,3つのロボットチームを対象とした,効率的なマルチステージタスクプランニングを実演する。
  論文  参考訳（メタデータ） (2026-03-20T22:26:10Z)
• RoboBallet: Planning for Multi-Robot Reaching with Graph Neural Networks and Reinforcement Learning [5.558796588722835]
  現代のロボット製造では、共有された障害物の多いワークスペースで多くのタスクを完了するために、衝突のない複数のロボットの調整が必要である。 既存のマルチアームシステムは、労働集約的なプロセスで手動で実現可能な軌道を設計するための人間の直感と経験に依存している。 障害物の多い環境下でテストし,40個の到達タスクを実行する8つのロボットを用いて,自律的なタスクと動作計画を実現するための強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-05T14:28:34Z)
• 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)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Optimal Integrated Task and Path Planning and Its Application to Multi-Robot Pickup and Delivery [10.530860023128406]
  本稿では,最適なタスクプランナと最適なパスプランナを組み合わせた,汎用的なマルチロボット計画機構を提案する。 統合プランナーは、タスクプランナーとパスプランナーの相互作用を通じて、ロボットに対して最適な衝突のない軌道を生成する。
  論文  参考訳（メタデータ） (2024-03-02T17:48:40Z)
• DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in Complex Environments [55.204450019073036]
  本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。 本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。 ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
  論文  参考訳（メタデータ） (2022-09-07T00:35:27Z)
• Learning to Coordinate for a Worker-Station Multi-robot System in Planar Coverage Tasks [16.323122275188354]
  ランダムな動的干渉器を有する大規模平面領域におけるマルチロボットカバレッジパス計画問題に着目する。 本稿では,実際の作業に必要なリソースが限られている複数の作業者と,資源補給に十分なリソースを持つ1つのステーションからなる作業者ステーションMSSを紹介する。 本稿では、労働者のカバレッジプランニングと駅のランデブープランニングを同時に解決する、エンドツーエンドの分散オンラインプランニング手法を提案する。
  論文  参考訳（メタデータ） (2022-08-05T05:36:42Z)
• Distributed Mission Planning of Complex Tasks for Heterogeneous Multi-Robot Teams [2.329625852490423]
  異種多ロボットチームのための複雑なミッション計画のための分散多段階最適化手法を提案する。 提案手法は、ミッション目標を定義する階層木として表される、ミッションの多目的探索を含む。 提案手法は,利用可能なロボットと与えられた最適化基準に応じて,計画戦略に適応する能力を示す。
  論文  参考訳（メタデータ） (2021-09-21T11:36:11Z)

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。