Fugu-MT 論文翻訳(概要): REACT: Environment-Adaptive Architecture for Continuous Formation Navigation of Wheeled Mobile Robots

論文の概要: REACT: Environment-Adaptive Architecture for Continuous Formation Navigation of Wheeled Mobile Robots

arxiv url: http://arxiv.org/abs/2605.18441v1
Date: Mon, 18 May 2026 14:11:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-19 17:57:49.707798
Title: REACT: Environment-Adaptive Architecture for Continuous Formation Navigation of Wheeled Mobile Robots
Title（参考訳）: REACT:車輪付き移動ロボットの連続形成ナビゲーションのための環境適応型アーキテクチャ
Authors: Jianghong Dong, Yifeng Zhang, Jiawei Wang, Mengchi Cai, Keqiang Li, Guillaume Sartoretti,
Abstract要約: 本稿では,集中型生成と分散型生成管理を統合した階層型アーキテクチャREACTを提案する。特に上層層は必要に応じて新しい環境適応型構造を生成する。下層では、各WMRがJSTP法(Joint trajectory trajectory Planning)を実行し、生成した生成物を維持する。
参考スコア（独自算出の注目度）: 21.3981924226061
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Formation control of wheeled mobile robots (WMRs) has been extensively studied due to its broad applications in fields such as logistics transportation, environmental monitoring, and search and rescue. However, most existing works mainly focus on tracking predefined formations, which limits their adaptability to complex real-world environments. To address this, we propose REACT (Real-time Environment-Adaptive architecture for Continuous formation navigaTion), a hierarchical architecture integrating centralized formation generation and distributed formation maintenance. Specifically, our upper layer generates new environment-adaptive formations when necessary and uses our proposed TCF-R2T (Trajectory-Conflict-Free Robot-to-Target assignment) algorithm to compute conflict-free WMR-to-target assignments in polynomial time, enabling timely formation transitions without trajectory conflicts. At the lower layer, each WMR executes our developed JSTP (Joint Spatio-Temporal trajectory Planning) method to maintain the generated formation by simultaneously optimizing spatial positions and temporal durations, thereby enhancing coordination among WMRs and enabling continuous navigation in obstacle-rich environments and dynamic-obstacle scenarios. Both simulation and real-world experiments validate the effectiveness and practical applicability of REACT. Experimental videos are available on our project website: https://dongjh20.github.io/REACT-website.
Abstract（参考訳）: 移動ロボット(WMR)の形成制御は, 物流輸送, 環境モニタリング, 捜索・救助などの分野に広く応用されているため, 広く研究されている。しかし、既存のほとんどの研究は主に事前に定義された構成を追跡することに焦点を当てており、それらは複雑な現実世界環境への適応性を制限する。そこで本研究では,集中型構成生成と分散構成維持を融合した階層型アーキテクチャREACT(Real-time Environment-Adaptive Architecture for Continuous Formation navigaTion)を提案する。具体的には,提案するTCF-R2T(Trajectory-Conflict-Free Robot-to-Target assignment)アルゴリズムを用いて,競合のないWMR-to-Target割り当てを多項式時間で計算し,トラジェクティブコンフリクトのないタイムリーな生成遷移を可能にする。下層では,各WMRが開発したJSTP(Joint Spatio-Temporal trajectory Planning)法を用いて,空間的位置と時間的期間を同時に最適化し,WMR間の協調性を向上し,障害物の多い環境や動的障害物シナリオにおける連続的なナビゲーションを可能にする。シミュレーションと実世界の実験は、REACTの有効性と実用性を検証する。実験ビデオはプロジェクトのWebサイト(https://dongjh20.github.io/REACT-website.com)で公開されている。

関連論文リスト

Role-Adaptive Collaborative Formation Planning for Team of Quadruped Robots in Cluttered Environments [15.679419362625845]
本稿では,四足歩行ロボットのための役割適応型リーダ・フォロワー型構成計画・制御フレームワークを提案する。固定的なリーダーや堅固な構成の役割を持つ従来の手法とは異なり、提案手法は動的役割割り当てと部分的な目標計画を統合している。その結果、複雑で非構造的な環境での円滑な調整、適応的な役割の切り替え、ロバストな構成維持が示された。
論文参考訳（メタデータ） (2026-02-20T14:44:16Z)
A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文参考訳（メタデータ） (2026-02-11T10:02:31Z)
Hybrid Motion Planning with Deep Reinforcement Learning for Mobile Robot Navigation [0.0]
深部強化学習(HMP-DRL)によるハイブリッド運動計画状態空間と報酬関数の両方に符号化されたチェックポイントのシーケンスを通じて、局所DRLポリシーに統合されたパスを生成するグラフベースのグローバルプランナを提案する。社会的コンプライアンスを確保するため、地域プランナーは、周辺エージェントのセマンティックタイプに基づいて、安全マージンと罰則を動的に調整するエンティティ対応報酬構造を採用する。
論文参考訳（メタデータ） (2025-12-31T05:58:57Z)
Integrating Offline Pre-Training with Online Fine-Tuning: A Reinforcement Learning Approach for Robot Social Navigation [3.5801655940143413]
本稿では,Return-to-Go(RTG)を統合した,ロボットソーシャルナビゲーションのためのオフライン・オンラインファインチューニングアルゴリズムを提案する。本アルゴリズムは,時間的歩行者動作パターンと空間的群集動態を協調的に符号化することにより,RTG値をリアルタイムに正確に推定するトランスフォーマー・ポラル融合モデルを特徴とする。シミュレーションされた社会航法環境における実験により,本手法は最先端のベースラインに比べて高い成功率と低い衝突率を達成することが示された。
論文参考訳（メタデータ） (2025-10-01T03:37:02Z)
World Model-Based Learning for Long-Term Age of Information Minimization in Vehicular Networks [53.98633183204453]
本稿では,車載ネットワークにおけるパケット完全性認識情報(CAoI)の年齢を最小化するために,新しい世界モデルに基づく学習フレームワークを提案する。 mmWave V2X環境の動的モデルを共同で学習し、リンクスケジューリングの方法を学ぶための軌跡を想像するために使用する世界モデルフレームワークを提案する。特に、長期的な政策は環境相互作用の代わりに、異なる想像軌道で学習される。
論文参考訳（メタデータ） (2025-05-03T06:23:18Z)
A General Infrastructure and Workflow for Quadrotor Deep Reinforcement Learning and Reality Deployment [48.90852123901697]
本稿では, エンドツーエンドの深層強化学習(DRL)ポリシーを四元数へシームレスに移行できるプラットフォームを提案する。本プラットフォームは, ホバリング, 動的障害物回避, 軌道追尾, 気球打上げ, 未知環境における計画など, 多様な環境を提供する。
論文参考訳（メタデータ） (2025-04-21T14:25:23Z)
UniSTD: Towards Unified Spatio-Temporal Learning across Diverse Disciplines [64.84631333071728]
本稿では,時間的モデリングのためのトランスフォーマーベースの統合フレームワークであるbfUnistageを紹介する。我々の研究は、タスク固有の視覚テキストが時間学習のための一般化可能なモデルを構築することができることを示した。また、時間的ダイナミクスを明示的に組み込むための時間的モジュールも導入する。
論文参考訳（メタデータ） (2025-03-26T17:33:23Z)
Sim-to-Real Transfer of Deep Reinforcement Learning Agents for Online Coverage Path Planning [22.077058792635313]
被覆経路計画は、制限された地域の自由空間全体をカバーする経路を見つける問題である。本稿では,この課題に対する連続空間強化学習の有効性について検討する。提案手法は従来のRLに基づく手法と高度に専門化された手法の両方の性能を上回ることを示す。
論文参考訳（メタデータ） (2024-06-07T13:24:19Z)
ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for Mobile Manipulation [99.2543521972137]
ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。 ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
論文参考訳（メタデータ） (2020-08-18T08:05:15Z)

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。