論文の概要: Multi-Robot Motions in Milliseconds: Vector-Accelerated Primitives for Sampling-Based Planning
- arxiv url: http://arxiv.org/abs/2604.23960v1
- Date: Mon, 27 Apr 2026 02:07:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.699424
- Title: Multi-Robot Motions in Milliseconds: Vector-Accelerated Primitives for Sampling-Based Planning
- Title（参考訳）: ミリ秒におけるマルチロボット運動:サンプリング型計画のためのベクトル加速プリミティブ
- Authors: James D. Motes, Marco Morales, Nancy M. Amato,
- Abstract要約: VAMP(Vector-Accelerated Motion Planning)フレームワークをMRMP(Multi-Robot Motion Planning)に拡張する。
ベクトル加速プリミティブであるMulti-robot MotionValidation(MotVal)とFindFirstConflict(FFC)を開発した。
純粋なマルチロボット動作検証テストでは、検証時間で1100倍以上のスピードアップを達成する。
- 参考スコア（独自算出の注目度）: 1.0781866671930855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we extend the recent Vector-Accelerated Motion Planning (VAMP) framework to multi-robot motion planning (MRMP). We develop two vector-accelerated primitives, multi-robot MotionValidation (MotVal) and FindFirstConflict (FFC), which exploit SIMD parallelism within the multi-robot domain. On pure multi-robot motion validation tests, this achieves over 1100X speedup in validation time. Additionally, we modify a representative set of MRMP algorithms to use these new primitives. The relative speedup for each algorithm is studied on scenarios with manipulator, rigid body, and heterogeneous teams with some instances producing multi-robot solutions in the order of milliseconds and, in many cases, shows planning time speedups of over 850X.
- Abstract（参考訳）: 本稿では,最新のVector-Accelerated Motion Planning (VAMP) フレームワークをマルチロボットモーションプランニング (MRMP) に拡張する。
我々は,Multi-robot MotionValidation (MotVal) とFindFirstConflict (FFC) の2つのベクトル加速プリミティブを開発した。
純粋なマルチロボット動作検証テストでは、検証時間で1100倍以上のスピードアップを達成する。
さらに、これらの新しいプリミティブを使用するために、MRMPアルゴリズムの代表セットを変更する。
各アルゴリズムの相対的なスピードアップは, マニピュレータ, 剛体, ヘテロジニアスなチームによるシナリオで研究され, 数ミリ秒の順番でマルチロボットソリューションを生成できる場合があり, 多くの場合, 850倍以上の計画時間高速化を示す。
関連論文リスト
- PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。
PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。
7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
論文 参考訳（メタデータ） (2026-02-02T17:57:37Z) - db-LaCAM: Fast and Scalable Multi-Robot Kinodynamic Motion Planning with Discontinuity-Bounded Search and Lightweight MAPF [19.27447010190815]
最先端のマルチロボットキノダイナミックモーションプランナーは、計算負荷が大きいため、いくつかのロボットを扱うのに苦労している。
我々は、現代のマルチエージェントパス探索アルゴリズムのスケーラビリティと速度と、キノダイナミックプランナーの動的認識を組み合わせ、これらの制限に対処する。
論文 参考訳（メタデータ） (2025-12-07T11:17:10Z) - Multi-Agent Motion Planning For Differential Drive Robots Through Stationary State Search [5.9176395108304805]
MAMP(Multi-Agent Motion Planning)は、交通管理、空港の運営、倉庫の自動化など、様々な分野で応用されている。
本稿では,これらの課題に対処するため,MASSと呼ばれる3段階のフレームワークを提案する。
MASSはMAPFベースの手法と定常状態探索プランナを組み合わせることで,高品質なキノダイナミックな計画を生成する。
論文 参考訳（メタデータ） (2024-12-17T22:17:42Z) - Accelerating Search-Based Planning for Multi-Robot Manipulation by Leveraging Online-Generated Experiences [20.879194337982803]
MAPF(Multi-Agent Path-Finding)アルゴリズムは、離散的な2Dドメインで保証され、厳密な保証を提供する。
本稿では,その反復的かつ漸進的な性質を活用して,競合に基づく探索アルゴリズムを高速化する手法を提案する。
論文 参考訳（メタデータ） (2024-03-29T20:31:07Z) - Neural Implicit Swept Volume Models for Fast Collision Detection [0.0]
本稿では,深層学習に基づく符号付き距離計算の高速化と幾何衝突チェッカーの精度保証を併用したアルゴリズムを提案する。
シミュレーションおよび実世界のロボット実験において、我々のアプローチを検証するとともに、商用ビンピッキングアプリケーションを高速化できることを実証する。
論文 参考訳（メタデータ） (2024-02-23T12:06:48Z) - 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) - Intelligent Trajectory Design for RIS-NOMA aided Multi-robot
Communications [59.34642007625687]
目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。
ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
論文 参考訳（メタデータ） (2022-05-03T17:14:47Z) - Motion Prediction Using Temporal Inception Module [96.76721173517895]
人間の動作を符号化するTIM(Temporal Inception Module)を提案する。
本フレームワークは,異なる入力長に対して異なるカーネルサイズを用いて,畳み込み層を用いて入力埋め込みを生成する。
標準的な動き予測ベンチマークデータセットであるHuman3.6MとCMUのモーションキャプチャデータセットの実験結果から,我々の手法は一貫して技術手法の状態を上回ります。
論文 参考訳（メタデータ） (2020-10-06T20:26:01Z)
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。