論文の概要: Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems

• arxiv url: http://arxiv.org/abs/2604.21138v1
• Date: Wed, 22 Apr 2026 22:58:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.207724
• Title: Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems
• Title（参考訳）: クラッタをナビゲートする:マルチロボットシステムのためのウェイポイントベースバイレベルプランニング
• Authors: Jiabao Ji, Yongchao Chen, Yang Zhang, Ramana Rao Kompella, Chuchu Fan, Gaowen Liu, Shiyu Chang,
• Abstract要約: 乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。 タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。 我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
• 参考スコア（独自算出の注目度）: 54.887871365121775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-robot control in cluttered environments is a challenging problem that involves complex physical constraints, including robot-robot collisions, robot-obstacle collisions, and unreachable motions. Successful planning in such settings requires joint optimization over high-level task planning and low-level motion planning, as violations of physical constraints may arise from failures at either level. However, jointly optimizing task and motion planning is difficult due to the complex parameterization of low-level motion trajectories and the ambiguity of credit assignment across the two planning levels. In this paper, we propose a hybrid multi-robot control framework that jointly optimizes task and motion planning. To enable effective parameterization of low-level planning, we introduce waypoints, a simple yet expressive representation for motion trajectories. To address the credit assignment challenge, we adopt a curriculum-based training strategy with a modified RLVR algorithm that propagates motion feasibility feedback from the motion planner to the task planner. Experiments on BoxNet3D-OBS, a challenging multi-robot benchmark with dense obstacles and up to nine robots, show that our approach consistently improves task success over motion-agnostic and VLA-based baselines. Our code is available at https://github.com/UCSB-NLP-Chang/navigate-cluster
• Abstract（参考訳）: 乱雑な環境でのマルチロボット制御は、ロボットとロボットの衝突、ロボットと障害物の衝突、到達不能な動きなど、複雑な物理的制約を伴う難しい問題である。 このような環境での計画が成功するには、高レベルなタスク計画と低レベルなモーション計画に対する共同最適化が必要である。 しかし、低レベルの運動軌跡の複雑なパラメータ化と、2つの計画レベルにわたるクレジット割り当ての曖昧さのため、共同最適化タスクと運動計画が困難である。 本稿では,タスクと動作計画を協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。 低レベル計画の効果的なパラメータ化を実現するために,動作軌跡の単純な表現であるウェイポイントを導入する。 この課題に対処するため、我々は、動作プランナーからタスクプランナーへの動作実現可能性フィードバックを伝達するRLVRアルゴリズムを改良したカリキュラムベースのトレーニング戦略を採用した。 BoxNet3D-OBSは、高密度障害物と最大9つのロボットを備えた、挑戦的なマルチロボットベンチマークである。 私たちのコードはhttps://github.com/UCSB-NLP-Chang/navigate-clusterで利用可能です。

関連論文リスト

• Ultrafast Sampling-based Kinodynamic Planning via Differential Flatness [15.37007491684187]
  AkinoPDFは、多種多様なフラットなロボットシステムのための高速並列サンプリングに基づくキノダイナミックモーションプランニング技術である。 我々の手法は高速で正確で、どのサンプリングベースモーションプランナーとも互換性がある。
  論文  参考訳（メタデータ） (2026-03-17T01:53:10Z)
• Interleaving Scheduling and Motion Planning with Incremental Learning of Symbolic Space-Time Motion Abstractions [44.139198749024644]
  Task and Motion Planningは、高レベルのタスクシークエンシングと低レベルのモーションプランニングを組み合わせることで、実現可能な、衝突のない実行計画を生成する。 本稿では,共有ワークスペースにおける多目的ナビゲーションのスケジューリングと動作計画問題としてこれを定式化する。 本稿では,市販のスケジューラと運動プランナをインクリメンタル学習ループでインターリーブする,新たなソリューションフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-11T11:10:49Z)
• 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)
• Potential Based Diffusion Motion Planning [73.593988351275]
  本稿では,潜在的行動計画の学習に向けた新しいアプローチを提案する。 我々はニューラルネットワークを訓練し、運動計画軌跡よりも容易に最適化可能なポテンシャルを捕捉し、学習する。 我々は、その固有の構成可能性を示し、様々な動きの制約に一般化することができる。
  論文  参考訳（メタデータ） (2024-07-08T17:48:39Z)
• Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
  本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。 我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
  論文  参考訳（メタデータ） (2023-12-29T14:00:20Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)

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。