論文の概要: Higher Order Reasoning for Collaborative Communicationless Mobile Robot Operations

• arxiv url: http://arxiv.org/abs/2605.21901v1
• Date: Thu, 21 May 2026 02:22:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.055719
• Title: Higher Order Reasoning for Collaborative Communicationless Mobile Robot Operations
• Title（参考訳）: 協調型コミュニケーションレス移動ロボットの高次推論
• Authors: Jonathan Reasoner, Nicola Bezzo,
• Abstract要約: コミュニケーションのない環境では、多くの協調戦略が想定する一定の情報交換がなければ、マルチロボットシステムは動作しなければなりません。 本稿では,ロボット間の高次推論による暗黙的な協調と長期水平計画を可能にする,新しい動的疫学計画フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.239775815863115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In communicationless environments, multi-robot systems must operate without the constant information exchange that many coordination strategies typically assume. This paper presents a novel dynamic epistemic planning framework that enables implicit coordination and long horizon planning through higher-order reasoning among robots. With our approach, robots form and propagate higher-order belief particles, update world beliefs using Bayesian inference, and select actions via a behavior tree that anticipates teammates' likely decisions. A temporally aware Model Predictive Path Integral (MPPI) controller integrates this reasoning into low-level execution, allowing robots to plan intercepts and adapt trajectories under partial observability. The proposed framework is evaluated in both simulations and physical experiments, where it consistently reduces task completion time compared to a first-order baseline, demonstrating that epistemic logic can serve as a robust foundation for resilient coordination in communication-restricted domains.
• Abstract（参考訳）: コミュニケーションのない環境では、多くの協調戦略が想定する一定の情報交換がなければ、マルチロボットシステムは動作しなければなりません。 本稿では,ロボット間の高次推論による暗黙的な協調と長期水平計画を可能にする,新しい動的疫学計画フレームワークを提案する。 我々のアプローチでは、ロボットは高次信念粒子を形成し、伝播し、ベイジアン推論を用いて世界信念を更新し、チームメイトの潜在的な決定を予想する行動木を介して行動を選択する。 時間的に認識されたモデル予測パス積分(MPPI)コントローラは、この推論を低レベルの実行に統合し、ロボットがインターセプトを計画し、部分観測可能性の下で軌道を適応できるようにする。 提案したフレームワークはシミュレーションと物理実験の両方で評価され,1次ベースラインに比べてタスク完了時間を一貫して短縮し,認識論理が通信制限領域におけるレジリエントな協調のための堅牢な基盤となることを示す。

関連論文リスト

• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• Epistemic Prediction and Planning with Implicit Coordination for Multi-Robot Teams in Communication Restricted Environments [2.781492199939609]
  通信制限環境において、マルチロボットシステムは、例えば、一定の通信を維持しながら、近接制約による運用効率を犠牲にする、あるいは、切断を許容して環境被覆効率を高める、どのように、いつ、どこで再接続するかの課題(ランデブー問題)のいずれかにデプロイすることができる。 本稿では,探索とカバレッジ,タスクの発見と完了,待ち行列アプリケーションなどのコミュニケーションを伴わずにコンセンサスを実現するための協調予測と計画の枠組みを提案する。
  論文  参考訳（メタデータ） (2023-02-21T01:52:21Z)
• HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and Sensing [1.3678064890824186]
  HARPS(Human Assisted Robotic Planning and Sensing)フレームワークは、ロボットチームにおけるアクティブなセマンティックセンシングと計画のためのフレームワークである。 このアプローチにより、人間が不規則にモデル構造を強制し、不確実な環境で意味的なソフトデータの範囲を拡張することができる。 大規模部分構造環境におけるUAV対応ターゲット探索アプリケーションのシミュレーションは、時間と信念状態の推定において著しく改善されている。
  論文  参考訳（メタデータ） (2021-10-20T00:41:57Z)
• 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)
• Leveraging Neural Network Gradients within Trajectory Optimization for Proactive Human-Robot Interactions [32.57882479132015]
  本稿では, トラジェクトリ最適化(TO)の解釈可能性と柔軟性を, 最先端の人間のトラジェクトリ予測モデルの予測能力と融合する枠組みを提案する。 我々は,最大10人の歩行者の群集を安全に効率的に移動させるロボットを必要とするマルチエージェントシナリオにおいて,我々のアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-12-02T08:43:36Z)
• iCORPP: Interleaved Commonsense Reasoning and Probabilistic Planning on Robots [46.13039152809055]
  我々はiCORPPと呼ばれる新しいアルゴリズムを提案し、現在の世界状態を同時に推定し、世界ダイナミクスの推論を行い、タスク指向のコントローラを構築する。 結果は、競合するベースラインと比較して、スケーラビリティ、効率、適応性が大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2020-04-18T17:46:59Z)

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。