論文の概要: Distributed Multi-Coverage for Robot Swarms

• arxiv url: http://arxiv.org/abs/2605.21686v1
• Date: Wed, 20 May 2026 19:43:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:41.976674
• Title: Distributed Multi-Coverage for Robot Swarms
• Title（参考訳）: ロボット群のための分散多機能化
• Authors: Mariem Guitouni, Aaron T. Becker,
• Abstract要約: 監視、環境監視、インフラ検査のために展開される自律型ドローン群は、ロボットの故障にもかかわらず、信頼できるカバレッジを維持する必要がある。 それぞれのアセットは冗長性のために複数のロボットによって観察されなければならない。 本稿では,ローカルセンシング,ローカル通信,グローバルコーディネーションのないロボット群を対象とした分散マルチカバーアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 6.759291241573661
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous drone swarms deployed for surveillance, environmental monitoring, and infrastructure inspection must maintain reliable coverage of critical assets despite robot failures. This requires multicoverage: each asset must be observed by multiple robots for redundancy, with coverage requirements varying by asset importance. While recent work has solved the centralized problem optimally using integer programming, practical deployments face constraints that demand distributed solutions: robots operate with limited communication ranges, onboard computation restricts global planning, and partial system failures must not cause mission abort. We present a distributed multicoverage algorithm for robot swarms operating with local sensing, local communication, and no global coordination.
• Abstract（参考訳）: 監視、環境監視、インフラ検査のために展開される自律型ドローン群は、ロボットの故障にもかかわらず、重要な資産の信頼できるカバレッジを維持する必要がある。 それぞれのアセットは冗長性のために複数のロボットによって観察されなければならない。 最近の研究は整数プログラミングを用いて集中的な問題を最適に解決しているが、現実的な展開は分散ソリューションを必要とする制約に直面している。ロボットは限られた通信範囲で動作し、オンボード計算はグローバルな計画を制限する。 本稿では,ローカルセンシング,ローカル通信,グローバルコーディネーションのないロボット群を対象とした分散マルチカバーアルゴリズムを提案する。

関連論文リスト

• Decentralized Heterogeneous Multi-Robot Collaborative Exploration for Indoor and Outdoor 3D Environments [11.81511178687002]
  本稿では,異種マルチロボットシステムのための分散協調フレームワークを提案する。 このフレームワークは、異種ロボット間の探索作業を調整し、優れた探索効率と通信節約を実現する。
  論文  参考訳（メタデータ） (2026-04-26T13:16:13Z)
• Decentralized and Fully Onboard: Range-Aided Cooperative Localization and Navigation on Micro Aerial Vehicles [7.827829335706731]
  本研究では,地域支援型分散型ローカライゼーションと形成制御の課題について考察する。 各ロボットは、その相対的なポーズを、搭載されたオドメーターセンサーからのデータと、チーム内の他のロボットとの距離測定だけを組み合わせて推定する。 本稿では,ロボット間の厳密な協調を必要としない局所化に対するブロック座標降下手法を提案する。
  論文  参考訳（メタデータ） (2026-02-18T16:46:15Z)
• MOSAIC: Modular Scalable Autonomy for Intelligent Coordination of Heterogeneous Robotic Teams [10.664029115378813]
  統合されたミッション抽象化を用いたマルチロボット科学探査のためのスケーラブルな自律フレームワークを提案する。 提案したフレームワークは,操作者の介入を限定した堅牢でスケーラブルなマルチロボット科学探査を可能にする。
  論文  参考訳（メタデータ） (2026-01-30T14:46:15Z)
• Fault-Tolerant Multi-Robot Coordination with Limited Sensing within Confined Environments [0.6144680854063939]
  マルチロボットシステムにおける物理的接触相互作用を利用した新しいフォールトトレランス手法を提案する。 そこで本研究では, ロボットの動作を, 操作不能なロボットに遭遇する可能性に基づいて調整する「アクティブコンタクト応答(ACR)」手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T02:43:36Z)
• Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
  ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。 この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。 この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
  論文  参考訳（メタデータ） (2024-09-29T23:57:25Z)
• 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 Scalable Multi-Robot Framework for Decentralized and Asynchronous Perception-Action-Communication Loops [72.1902268440158]
  グローバルな目的を達成するため,大規模なロボット群における協調作業は,大規模環境における課題である。 ロボットはパーセプション・アクション・コミュニケーションループを実行し、ローカル環境を認識し、他のロボットと通信し、リアルタイムで行動を起こす必要がある。 近年では、フロッキングやカバレッジ制御などのアプリケーションでグラフニューラルネットワーク(GNN)を使用してこの問題に対処している。 本稿では、分散化されたGNNを用いてナビゲーション動作を計算し、通信のためのメッセージを生成するロボット群における非同期PACフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T21:20:50Z)
• AdverSAR: Adversarial Search and Rescue via Multi-Agent Reinforcement Learning [4.843554492319537]
  本稿では,敵対的エージェント間コミュニケーションの存在下で,ロボットの戦略を効率的に調整するアルゴリズムを提案する。 ロボットは対象の場所について事前の知識を持っておらず、隣接するロボットのサブセットのみといつでも対話できると仮定される。 提案手法の有効性は, グリッドワールド環境のプロトタイプで実証した。
  論文  参考訳（メタデータ） (2022-12-20T08:13:29Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Graph Neural Networks for Decentralized Multi-Robot Submodular Action Selection [101.38634057635373]
  ロボットがチームサブモジュールの目的を最大化するために共同で行動を選択する必要があるアプリケーションに焦点を当てる。 分散通信によるサブモジュール化に向けた汎用学習アーキテクチャを提案する。 大規模ロボットネットワークによるアクティブターゲットカバレッジのシナリオにおいて、GNNベースの学習アプローチのパフォーマンスを実証します。
  論文  参考訳（メタデータ） (2021-05-18T15:32:07Z)

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。