論文の概要: PECMAN: Perception-enabled Collaborative Multi-Agent Navigation in Unknown Environments

• arxiv url: http://arxiv.org/abs/2605.09344v1
• Date: Sun, 10 May 2026 05:44:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 14:43:22.901163
• Title: PECMAN: Perception-enabled Collaborative Multi-Agent Navigation in Unknown Environments
• Title（参考訳）: PECMAN:未知環境における知覚可能な協調型マルチエージェントナビゲーション
• Authors: Tianchonghui Fang, Shaunak Roy, Shalabh Gupta,
• Abstract要約: 我々はSMART-3Dを未知の環境で認識可能な協調マルチエージェントナビゲーション(PECMAN)に拡張する。 PECMANは、各エージェントが環境変化に反応し、それぞれのツリーを変形して、その経路を計画する、分散ツリーモルファスと共有認識戦略に基づいて構築される。 PECMANはチーム補完時間を最大52%削減し、100%近い成功率を維持している。
• 参考スコア（独自算出の注目度）: 0.6372261626436676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most path planners assume fully known, static environments, assumptions that fail when robots navigate in dynamic and partially observable environments. SMART-3D addresses these issues by real-time replanning, where it morphs the underlying RRT* tree whenever new obstacles or structures are discovered in the environment. Instead of rebuilding the tree entirely from scratch, SMART-3D prunes invalid nodes and edges and subsequently repairs the disjoint subtrees at hot-nodes to find a new path, thus providing high computational efficiency for real-time adaptability. We extend SMART-3D to perception-enabled collaborative multi-agent navigation (PECMAN) in unknown environments. PECMAN is built upon distributed tree morphing and shared perception strategies, where each agent reacts to environmental changes and morphs its respective tree to replan its path, while simultaneously broadcasting newly discovered structures to other agents, thus enabling them to proactively replan even in areas that have not yet been explored by them. This approach reduces redundant reactions and unnecessary replannings of the agents due to improved situational awareness. The performance of PECMAN was evaluated by 28,000 multi-agent simulations on seven 2D scenarios with different case studies. The results show that PECMAN achieves up to 52% reduction in the team-completion time, while maintaining near 100% success rates. Finally, PECMAN was tested by real experiments on two autonomous robots in a building environment.
• Abstract（参考訳）: ほとんどのパスプランナーは、ロボットがダイナミックで部分的に観察可能な環境で移動する際に失敗する、完全に知られた静的な環境を想定している。 SMART-3Dは、環境中に新しい障害や構造が見つかると、根底にあるRT*ツリーを変形させるリアルタイムのリプランニングによって、これらの問題に対処する。 SMART-3Dは、ツリーを完全にスクラッチから再構築する代わりに、無効なノードとエッジをプルーンし、その後ホットノードで切り離されたサブツリーを修復して新しいパスを見つける。 我々はSMART-3Dを未知の環境で認識可能な協調マルチエージェントナビゲーション(PECMAN)に拡張する。 PECMANは、各エージェントが環境変化に反応し、それぞれのツリーを変形してその経路を計画し、同時に新たに発見された構造を他のエージェントに送信することにより、まだ探索されていない領域でも積極的に再計画することができる。 このアプローチは、状況認識の改善により、冗長な反応と不要なエージェントの再計画を減らす。 PECMANの性能は、異なるケーススタディを持つ7つの2次元シナリオに対して、28,000個のマルチエージェントシミュレーションにより評価された。 その結果,PECMANはチーム完了時間の最大52%の短縮を実現し,100%に近い成功率を維持した。 最後に、PECMANは建築環境で2つの自律ロボットの実際の実験によってテストされた。

関連論文リスト

• Train-Once Plan-Anywhere Kinodynamic Motion Planning via Diffusion Trees [3.865413902596487]
  Diffusion Tree(ディフュージョンツリー、DiTree)は、拡散ポリシー(DP)を利用して、状態空間探索を効率的にガイドする、証明可能な一般化可能なフレームワークである。 本稿では,一般的なRRTプランナとDPアクションサンプリング器を組み合わせた実装により,DiTreeのパワーを実証する。
  論文  参考訳（メタデータ） (2025-08-28T17:04:00Z)
• OMEGA: Efficient Occlusion-Aware Navigation for Air-Ground Robot in Dynamic Environments via State Space Model [12.096387853748938]
  地上ロボット(AGR)は、監視や災害対応に広く利用されている。 現在のAGRナビゲーションシステムは、静的環境においてよく機能する。 しかし、これらのシステムは動的で厳しい閉塞シーンの課題に直面している。 これらの問題に対処するために,効率的なAGR-Plannerを用いたOccMambaを提案する。
  論文  参考訳（メタデータ） (2024-08-20T07:50:29Z)
• Memorize What Matters: Emergent Scene Decomposition from Multitraverse [54.487589469432706]
  3次元ガウス写像は3次元ガウス写像をベースとしたカメラのみのオフラインマッピングフレームワークである。 3DGMは、同じ領域から複数のRGBビデオをガウスベースの環境マップに変換し、同時に2D短命なオブジェクトセグメンテーションを実行する。 We build the Mapverse benchmark, sourced from the Ithaca365 and nuPlan datasets, to evaluate our method in unsupervised 2D segmentation, 3D reconstruction, and Neural rendering。
  論文  参考訳（メタデータ） (2024-05-27T14:11:17Z)
• NeuPAN: Direct Point Robot Navigation with End-to-End Model-based Learning [67.53972459080437]
  乱雑で未知の環境で非ホロノミックロボットをナビゲートするには、リアルタイム衝突回避のための正確な認識と正確な動きが必要である。 本稿では, リアルタイム, 高精度, 地図のない, 展開が容易で, 環境によらないロボットモーションプランナであるNeuPANについて述べる。
  論文  参考訳（メタデータ） (2024-03-11T15:44:38Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• MRRT: Multiple Rapidly-Exploring Random Trees for Fast Online Replanning in Dynamic Environments [1.290382979353427]
  MRRTアルゴリズムはマルチツリー構造を持つRTアルゴリズム上に構築されている。 RRTアルゴリズムを用いて環境の部分的知識に基づいて初期解を求める。 新しい障害物構成はロボットのセンサーによって収集され、経路の再計画に使用される。
  論文  参考訳（メタデータ） (2021-04-22T13:41:48Z)
• DARE-SLAM: Degeneracy-Aware and Resilient Loop Closing in Perceptually-Degraded Environments [4.34118539186713]
  自律探査における重要な要件は、未知の環境の正確で一貫したマップを構築することである。 位置認識を改善し,3次元位置の曖昧さを解消するために,デジェネリアシー・アウェアとドリフト・レジリエント・ループ・クロージング法を提案する。
  論文  参考訳（メタデータ） (2021-02-09T20:37:17Z)

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。