論文の概要: On dynamic multi-agent pathfinding methods: review, simulations and modifications

• arxiv url: http://arxiv.org/abs/2606.03735v1
• Date: Tue, 02 Jun 2026 14:51:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.08645
• Title: On dynamic multi-agent pathfinding methods: review, simulations and modifications
• Title（参考訳）: 動的マルチエージェントパスフィンディング法について:レビュー,シミュレーション,修正
• Authors: Gabriel Fejziaj, Salama Hassona, Wieslaw Marszalek,
• Abstract要約: 本稿では,Dijkstra,D* Lite,Space-Time A*,WHCA*,M*の6つの代表アルゴリズムと,A**と表記される新しい手法を統一シミュレーションフレームワーク内で評価する。 提案したA**アルゴリズムは、オンライン時間適応からオフラインの幾何経路生成を分離するテンプレートベースのアプローチを導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a systematic study of pathfinding algorithms in the context of Dynamic Multi-Agent Pathfinding (D-MAPF), a setting that combines dynamic obstacles, partial observability, and inter-agent conflicts. We evaluate six representative algorithms: Dijkstra, D* Lite, Space-Time A*, WHCA*, M*, and a novel method denoted as A** within a unified simulation framework. The proposed A** algorithm introduces a template-based approach that decouples offline geometric path generation from online temporal adaptation. By precomputing multiple diverse candidate paths and dynamically reconnecting to them using space-time planning, A** improves solution quality in environments with frequent changes and limited sensing
• Abstract（参考訳）: 本稿では,ダイナミック・マルチエージェント・パスフィンディング(D-MAPF, Dynamic Multi-Agent Pathfinding, D-MAPF)の文脈におけるパスフィンディングアルゴリズムの系統的研究について述べる。 本稿では,Dijkstra,D* Lite,Space-Time A*,WHCA*,M*の6つの代表アルゴリズムと,A**と表記される新しい手法を統一シミュレーションフレームワーク内で評価する。 提案したA**アルゴリズムは、オンライン時間適応からオフラインの幾何経路生成を分離するテンプレートベースのアプローチを導入する。 複数の多様な候補経路を事前計算し、時空計画を用いて動的に再接続することにより、A**は頻繁な変化と制限された知覚を伴う環境におけるソリューション品質を改善する

関連論文リスト

• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• Learnable Evolutionary Multi-Objective Combinatorial Optimization via Sequence-to-Sequence Model [43.53359509358102]
  SeqMOは、シークエンス・ツー・シークエンス・モデルと進化的アルゴリズムを統合する学習可能な多目的最適化手法である。 提案手法は,Pareto面への対物値距離に基づく近似解集合を分割し,対象空間における対物ベクトル角を最小化することにより,解間の写像関係を確立する。 多目的旅行セールスマン問題と多目的配置問題の実験により,アルゴリズムの有効性が検証された。
  論文  参考訳（メタデータ） (2024-12-09T01:46:58Z)
• Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
  本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。 シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
  論文  参考訳（メタデータ） (2022-09-15T07:22:58Z)
• Bilevel Online Adaptation for Out-of-Domain Human Mesh Reconstruction [94.25865526414717]
  本稿では,事前に訓練されたヒトメッシュ再構築モデルをドメイン外ストリーミングビデオに適応させるという新たな問題を検討する。 重みプローブと重み更新の2つのステップに全体多対象の最適化プロセスを分割するBilevel Online Adaptationを提案します。 BOAが2つのヒューマンメッシュ再構築ベンチマークで最先端の結果をもたらすことを実証する。
  論文  参考訳（メタデータ） (2021-03-30T15:47:58Z)
• Isometric Multi-Shape Matching [50.86135294068138]
  形状間の対応を見つけることは、コンピュータビジョンとグラフィックスの基本的な問題である。 アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。 定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
  論文  参考訳（メタデータ） (2020-12-04T15:58:34Z)
• Performance Improvement of Path Planning algorithms with Deep Learning Encoder Model [1.1995939891389429]
  この状況を克服するために畳み込みニューラルネットワーク(CNN)が用いられた。 本稿では,このCNNモデルを用いて性能を詳細に解析し,無駄な経路を除去する。
  論文  参考訳（メタデータ） (2020-08-05T17:34:31Z)
• Bypassing or flying above the obstacles? A novel multi-objective UAV path planning problem [0.0]
  本研究では,衝突のない離散型ドローン経路計画問題に対する新しい整数プログラミングモデルを提案する。 本研究は, 障害物をバイパスしたり, 上空を飛んだりする可能性を考慮して, 経路長, エネルギー消費, 最大経路リスクを同時に最小化することを目的とする。
  論文  参考訳（メタデータ） (2020-04-12T13:42:05Z)
• GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal Black Box Constraint Satisfaction [69.94831587339539]
  本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。 我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
  論文  参考訳（メタデータ） (2020-02-17T20:21:20Z)
• Online Dynamic Programming [9.279833574270784]
  例えば、バイナリ検索ツリーのオンライン学習、Matrix-Chain乗法、$k$-sets、Knapsacks、Rod Cuttings、重み付きインターバルスケジューリングなどがある。 本稿では,各問題に対する動的プログラミングアルゴリズムが,基礎となるマルチDAGにおけるマルチパス学習のオンラインアルゴリズムにつながることを示す。
  論文  参考訳（メタデータ） (2017-06-02T20:02:19Z)

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。