Fugu-MT 論文翻訳(概要): Trajectory Planning for Non-Communicating Mobile Robots using Inverse Optimal Control

論文の概要: Trajectory Planning for Non-Communicating Mobile Robots using Inverse Optimal Control

arxiv url: http://arxiv.org/abs/2605.30906v1
Date: Fri, 29 May 2026 06:42:55 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-01 20:56:50.430327
Title: Trajectory Planning for Non-Communicating Mobile Robots using Inverse Optimal Control
Title（参考訳）: 逆最適制御を用いた非通信移動ロボットの軌道計画
Abstract要約: 逆最適制御は、すべてのロボットの未知の目標状態を推定するために用いられる。それぞれのロボットは、自己予測を考慮しながら、他のロボットの視点も捉えている。
参考スコア（独自算出の注目度）: 2.549774601913924
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: To enable an efficient interaction of non-communicating mobile robots in collision avoidance scenarios, we present a novel combined trajectory planning and prediction algorithm. Inverse optimal control is used to estimate unknown goal states of all robots based on observed past trajectories. Each robot also takes the perspective of other robots in considering self-prediction and solves a joint prediction problem using the estimated goal states. The resulting predictions are then considered for planning. Simulation results of scenarios with 2-8 robots show that the median of the durations until all vehicles reach their goals is 9.8 % faster compared to planning with constant acceleration based estimated goal states. Moreover, the proposed approach never leads to the solver being unable to find a solution to the planning or prediction problem.
Abstract（参考訳）: 衝突回避シナリオにおける非通信移動ロボットの効率的な相互作用を実現するために,新しい軌道計画と予測アルゴリズムを提案する。逆最適制御は、観測された過去の軌跡に基づいて、すべてのロボットの未知の目標状態を推定するために用いられる。各ロボットは、自己予測を考慮した他ロボットの視点も捉え、推定目標状態を用いて共同予測問題を解く。結果として得られた予測は計画として考慮される。 2-8台のロボットによるシミュレーションの結果、全ての車両が目標に達するまでの期間の中央値は、一定の加速に基づく目標状態の計画よりも9.8%速かった。さらに,提案手法は,計画問題や予測問題に対する解決方法が見つからない原因にはならない。

関連論文リスト

Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文参考訳（メタデータ） (2026-05-26T21:17:53Z)
Fast Confidence-Aware Human Prediction via Hardware-accelerated Bayesian Inference for Safe Robot Navigation [2.745453886412164]
本稿では,将来予測を粒子として扱う信頼度を考慮した予測手法を提案する。我々の実装は、より詳細な予測時間ステップをサポートし、よりきめ細かい軌道予測をもたらす。我々は、実世界の実験を通じて、ロボットが複数の人間の間で安全にナビゲートできることを実証し、我々のアプローチを検証する。
論文参考訳（メタデータ） (2026-03-01T14:13:58Z)
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)
PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving [57.89801036693292]
PPAD(Iterative Interaction of Prediction and Planning Autonomous Driving)は、予測と計画のより良い統合を目的とした、タイムステップワイドなインタラクションである。我々は,階層的動的キーオブジェクトに着目したego-to-agent,ego-to-map,ego-to-BEVインタラクション機構を設計し,インタラクションをモデル化する。
論文参考訳（メタデータ） (2023-11-14T11:53:24Z)
A Game-Theoretic Framework for Joint Forecasting and Planning [9.299721998201543]
人間の存在下で安全なロボットの動きを計画するには、将来の人間の動きの確実な予測が必要である。本稿では,共同計画と予測のための新たなゲーム理論フレームワークを提案する。提案アルゴリズムは,歩行者行動の現実的なデータセットと群集ナビゲーションシミュレーターにおいて,より安全な計画を立てる。
論文参考訳（メタデータ） (2023-08-11T13:56:39Z)
AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
論文参考訳（メタデータ） (2022-09-19T03:34:59Z)
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)
Learning Interaction-Aware Trajectory Predictions for Decentralized Multi-Robot Motion Planning in Dynamic Environments [10.345048137438623]
本稿では、リカレントニューラルネットワーク(RNN)に基づく新しい軌道予測モデルを提案する。次に,軌道予測モデルをマルチロボット衝突回避のための分散モデル予測制御(MPC)フレームワークに組み込む。
論文参考訳（メタデータ） (2021-02-10T11:11:08Z)
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)
MATS: An Interpretable Trajectory Forecasting Representation for Planning and Control [46.86174832000696]
人間の動きに関する推論は、現代の人間ロボットの対話システムの中核的な構成要素である。自律システムにおける行動予測の主な用途の1つは、ロボットの動作計画と制御を知らせることである。本稿では,下流の計画や制御に適するトラジェクトリ予測のための新しい出力表現を提案する。
論文参考訳（メタデータ） (2020-09-16T07:32:37Z)

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。