論文の概要: A Kinetic Theory of Encounter-Based Information Propagation in Multi-Robot Systems

• arxiv url: http://arxiv.org/abs/2606.02296v1
• Date: Mon, 01 Jun 2026 14:20:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:32.208711
• Title: A Kinetic Theory of Encounter-Based Information Propagation in Multi-Robot Systems
• Title（参考訳）: マルチロボットシステムにおける係員情報伝達の速度論的理論
• Authors: Alkesh K. Srivastava, Philip Dames,
• Abstract要約: 本稿では,出会いに基づく情報伝達の速度論的理論を考案する。 この理論は,チームサイズ,運用範囲,通信範囲,目標速度など,大規模シミュレーションを用いて評価する。 結果は、提案したアクセス安定性-幾何分解をサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-robot systems cannot assume persistent network connectivity. We study this problem through target tracking, where performance depends on how quickly target information is sensed, transported through the team, and used before it becomes stale. When robots exchange information only through physical encounters, tracking becomes a kinetic information-transport problem: robot motion induces encounters, encounters carry target-state estimates, information age determines staleness, and stale information produces tracking error. This paper develops a kinetic theory of encounter-based information propagation and identifies three limits. The first is an access limit -- information cannot support team-level coordination unless it spreads beyond the robots that sensed it. The second is a staleness limit -- even propagated information loses value as the target moves. The third is a geometry limit -- when target motion outpaces information transport, tracking error approaches a saturation regime where communication improvements alone have diminishing returns. We evaluate the theory through large-scale simulations varying team size, operating area, communication range, and target speed. Results support the proposed access-staleness-geometry decomposition: communication coverage governs the access transition; once information is accessible, tracking error is shaped by target displacement; and this response is locally linear in restricted regimes but nonlinear over broader ranges because of sensing refreshes and bounded geometry. Across controlled sweeps and joint variation, the derived access and staleness coordinates reliably describe tracking performance. Together, these results establish a kinetic-theoretic framework for predicting and designing encounter-based multi-robot systems.
• Abstract（参考訳）: マルチロボットシステムは、永続的なネットワーク接続を前提とすることはできない。 そこでは,目標情報を素早く把握し,チームを通じて伝達し,陳腐化する前に使用するパフォーマンスに依拠し,目標追跡を通じてこの問題を調査する。 ロボットの動きは遭遇を誘導し、遭遇は目標状態の推定値を持ち、情報年齢は不安定性を判断し、古い情報は追跡エラーを生成する。 本稿では,遭遇に基づく情報伝達の速度論的理論を開発し,三つの限界を同定する。 1つ目はアクセス制限であり、情報を感知したロボットを超えて拡散しない限り、情報はチームレベルの調整をサポートしない。 第二に、安定度制限(sstaleness limit) -- ターゲットが移動するにつれて伝播する情報でさえ値を失う。第三に、幾何学的制限 -- ターゲットの動きが情報転送を上回ったとき、追跡エラーは、通信改善だけでリターンが減少する飽和状態に近づく。 この理論は,チームサイズ,運用範囲,通信範囲,目標速度など,大規模シミュレーションを用いて評価する。 通信カバレッジはアクセス遷移を制御し、情報がアクセス可能になると、追跡エラーはターゲット変位によって形作られ、この応答は制限された状況では局所的に線形であるが、感度のリフレッシュや境界幾何学のため、より広い範囲にわたって非線形である。 制御されたスイープと関節の変動に対して、導出されたアクセスと安定化の座標は、追跡性能を確実に記述する。 これらの結果は、遭遇型マルチロボットシステムの予測と設計のための運動論的枠組みを確立する。

関連論文リスト

• Robustifying 3D Perception via Least-Squares Graphs for Multi-Agent Object Tracking [43.11267507022928]
  本稿では,3次元LiDARシーンにおける対向雑音に対する新たな緩和フレームワークを提案する。 我々は最小二乗グラフツールを用いて各検出の遠心点の位置誤差を低減する。 実世界のV2V4Realデータセットに関する広範な評価研究は、提案手法がシングルエージェントとマルチエージェントの両方のトラッキングフレームワークよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-07T08:41:08Z)
• 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)
• ForceFormer: Exploring Social Force and Transformer for Pedestrian Trajectory Prediction [3.5163219821672618]
  我々は、ForceFormerと呼ばれる新しい目標ベースの軌道予測器を提案する。 我々は目的地からの駆動力を利用して歩行者の目標の誘導を効率的にシミュレートする。 提案手法は,最先端モデルを用いた距離誤差によって測定されたオンパー性能を実現する。
  論文  参考訳（メタデータ） (2023-02-15T10:54:14Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Unified Control Framework for Real-Time Interception and Obstacle Avoidance of Fast-Moving Objects with Diffusion Variational Autoencoder [2.5642257132861923]
  動的環境におけるロボットアームによる高速移動物体のリアルタイムインターセプションは、非常に困難な課題である。 本稿では,動的オブジェクトを同時にインターセプトし,移動障害を回避することで,課題に対処する統一的な制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-27T18:46:52Z)
• 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)
• Distributed Deep Reinforcement Learning for Intelligent Traffic Monitoring with a Team of Aerial Robots [3.04585143845864]
  本研究では,航空ロボットチームによる道路ネットワークにおける交通監視問題について検討する。 深層強化学習に基づく分散スケーラブルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-10T22:41:32Z)
• With Whom to Communicate: Learning Efficient Communication for Multi-Robot Collision Avoidance [17.18628401523662]
  本稿では,複数ロボット衝突回避シナリオにおいて,「いつ」と「誰」がコミュニケーションを行うのかという課題を解決するための効率的な通信手法を提案する。 このアプローチでは、全てのロボットが他のロボットの状態について推論することを学び、他のロボットの軌道計画を求める前に将来の衝突のリスクを考える。
  論文  参考訳（メタデータ） (2020-09-25T09:49:22Z)

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。