論文の概要: A Visitation Grid for Complete Coverage Foraging in Robot Swarms

• arxiv url: http://arxiv.org/abs/2605.21947v1
• Date: Thu, 21 May 2026 03:27:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.072981
• Title: A Visitation Grid for Complete Coverage Foraging in Robot Swarms
• Title（参考訳）: ロボット群における完全被覆採食のためのビジテーショングリッド
• Authors: Qi Arturo Gonzalez, Yifeng Gao, Li Zhang, Qi Lu,
• Abstract要約: 大規模で未知の環境におけるリソースの完全な収集は、自律ロボット群にとって難しい問題である。 本稿では,余分な訪問を明示的に減らし,最終段階の収集を加速するグリッドベースの採餌戦略を提案する。 提案手法は,ミッションの最終段階において,収集時間を最大33%削減し,収集効率を48%以上向上させる。
• 参考スコア（独自算出の注目度）: 9.918320116606997
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The complete collection of sparse resources in large, unknown environments remains a challenging problem for autonomous robot swarms. Previous studies have shown that a substantial portion of total mission time is consumed during the final stage of collection, where only a small fraction of randomly scattered resources remain. Consequently, many existing swarm foraging algorithms (search and collection) focus on collecting most resources within a limited time window, rather than improving end-stage efficiency for collecting all resources. We propose a grid-based stochastic foraging strategy that explicitly reduces redundant visits and accelerates late-stage collection. The unknown search area is partitioned into a grid map, which is maintained by a lightweight central server. To maintain scalability, both robots and the server operate within limited memory and computational constraints. The server updates the grid-level visitation counts based on robot-reported locations, producing a global estimate of the exploration density. For each new foraging trip, a robot selects its next search area from a local 3 X 3 neighborhood of grids probabilistically with the lowest visitation count, thus biasing exploration toward under-visited regions while maintaining stochasticity. Extensive simulation experiments demonstrate that the proposed strategy consistently outperforms the canonical centrally placed baseline foraging algorithm (CPFA). Compared to CPFA, the proposed method reduces the total collection time by up to 33% and improves collection efficiency by more than 48% during the final stage of the mission. These results indicate that the proposed strategy is robust, flexible, and scalable for near-complete and complete resource collection in robot swarms and can serve as a general enhancement for stochastic swarm foraging methods under limited onboard resources.
• Abstract（参考訳）: 大規模で未知の環境におけるスパース資源の完全な収集は、自律ロボット群にとって難しい問題である。 以前の研究では、収集の最終段階でミッション時間のかなりの部分が消費され、ランダムに散らばった資源のごく一部しか残っていないことが示されている。 その結果、多くの既存のSwarm foragingアルゴリズム(検索と収集)は、すべてのリソースを収集するエンドステージ効率を改善するのではなく、限られた時間枠内でほとんどのリソースを収集することに重点を置いている。 本稿では,冗長な訪問を明示的に減らし,最終段階の収集を高速化するグリッドベースの確率的捕食戦略を提案する。 未知の検索領域はグリッドマップに分割され、軽量な中央サーバによって維持される。 スケーラビリティを維持するため、ロボットとサーバは、制限されたメモリと計算上の制約の中で動作します。 サーバは、ロボットが報告した位置に基づいてグリッドレベルの訪問回数を更新し、調査密度を世界規模で推定する。 新たな採餌旅行毎に、ロボットは、局所的な3X3近傍のグリッドから、最低訪問数で確率的に次の探索領域を選択し、確率性を維持しながら、視界不足領域への探索をバイアスする。 大規模なシミュレーション実験により、提案手法は標準中央配置ベースライン捕食アルゴリズム(CPFA)よりも一貫して優れていることが示された。 CPFAと比較して,提案手法は,ミッションの最終段階で収集時間を最大33%削減し,収集効率を48%以上向上させる。 これらの結果から,提案手法はロボット群におけるほぼ完全かつ完全に近い資源収集のために頑健で柔軟性があり,拡張性も高いことが示唆された。

関連論文リスト

• An Efficient Beam Search Algorithm for Active Perception in Mobile Robotics [10.002920418375007]
  アクティブな知覚は、ロボットがどこに移動するかを判断しなければならない自律ロボット工学の基本的な問題である。 既存のアプローチは、計算に費用がかかる旅行問題を過剰に選択した情報ノードで解決するか、より効率的だが過度に制約された最短経路木の定式化を採用するかのどちらかである。 本稿では,ノード毎の上位B候補を効率的に探索するノードワイズビームサーチ(NBS)アルゴリズムを提案する。 第2の貢献として、フロンティアの概念を経路選択基準に統合し、期待される利得指標を導入する。 第3の貢献は、高速探索ランダムアンラスグラフ(R)の提案である。
  論文  参考訳（メタデータ） (2026-04-25T14:35:11Z)
• Spark: Strategic Policy-Aware Exploration via Dynamic Branching for Long-Horizon Agentic Learning [31.17280303212164]
  textbfStrategic textbfPolicy-textbfAware explotextbfRation via textbfKey-state dynamic branching)を提案する。 我々の重要な洞察は、有望な軌道を探索するために重要な決定点において適応的な分岐探索を活性化することである。 textscSparkはトレーニングサンプルをはるかに少なくして優れた成功率を実現し、目に見えないシナリオでも堅牢な一般化を示す。
  論文  参考訳（メタデータ） (2026-01-28T03:15:34Z)
• 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)
• DREAM: Decentralized Reinforcement Learning for Exploration and Efficient Energy Management in Multi-Robot Systems [14.266876062352424]
  資源制約されたロボットは、しばしばエネルギー不足、不適切なタスク割り当てによる計算能力の不足、動的環境における堅牢性の欠如に悩まされる。 本稿では,マルチロボットシステムにおける探索と効率的なエネルギー管理のための分散強化学習DREAMを紹介する。
  論文  参考訳（メタデータ） (2023-09-29T17:43:41Z)
• Large-scale Fully-Unsupervised Re-Identification [78.47108158030213]
  大規模未ラベルデータから学ぶための2つの戦略を提案する。 第1の戦略は、近傍関係に違反することなく、それぞれのデータセットサイズを減らすために、局所的な近傍サンプリングを行う。 第2の戦略は、低時間上限の複雑さを持ち、メモリの複雑さを O(n2) から O(kn) に k n で還元する新しい再帰的手法を利用する。
  論文  参考訳（メタデータ） (2023-07-26T16:19:19Z)
• DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in Complex Environments [55.204450019073036]
  本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。 本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。 ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
  論文  参考訳（メタデータ） (2022-09-07T00:35:27Z)
• CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point Cloud Learning [81.85951026033787]
  この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。 また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。 提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
  論文  参考訳（メタデータ） (2022-07-31T21:39:15Z)
• Resource-Aware Distributed Submodular Maximization: A Paradigm for Multi-Robot Decision-Making [3.5788754401889022]
  Resource-Aware Distributed Greedyは、各ロボットのオンボードリソースを独立して考慮した最初のアルゴリズムである。 RAGは、中央集権化のトレードオフを、グローバルな準最適性、分散化、ほぼ最小のオンボード計算、通信、メモリリソースのトレードオフとバランス付けます。
  論文  参考訳（メタデータ） (2022-04-15T15:47:05Z)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• Bottom-up mechanism and improved contract net protocol for the dynamic task planning of heterogeneous Earth observation resources [61.75759893720484]
  地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。 観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。 不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
  論文  参考訳（メタデータ） (2020-07-13T03:51:08Z)

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。