論文の概要: Dynamic Multi-Agent Pickup and Delivery in Robotic Cellular Warehousing Systems

• arxiv url: http://arxiv.org/abs/2606.05669v1
• Date: Thu, 04 Jun 2026 03:50:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.536284
• Title: Dynamic Multi-Agent Pickup and Delivery in Robotic Cellular Warehousing Systems
• Title（参考訳）: ロボットセルウェアハウジングシステムにおける動的マルチエージェントピックアップと配送
• Authors: Cheng Ren, Ming Li, Xinping Guan, George Q. Huang,
• Abstract要約: この手紙は、内部秩序の進化を考慮した動的マルチエージェントピックアップとデリバリの問題を初めて定式化したものである。 トークンパスパラダイムに基づいて、2つのイベントトリガー付きオンラインリプランニングアルゴリズムを提案する。 提案手法は, 静的および非協調的ベースラインと比較して, オーダーフロー時間を大幅に削減する。
• 参考スコア（独自算出の注目度）: 22.24730497517011
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic Cellular Warehousing Systems (RCWS) give rise to multi-agent pickup and delivery (MAPD) processes in which robots sequentially collect multiple stock-keeping units (SKUs) for each order. Unlike classical MAPD formulations that assume static tasks, real warehouse operations often involve dynamic order evolution, where new SKUs may be appended to an order while it is being executed. Motivated by this practical requirement, this letter formulates the Dynamic Multi-Agent Pickup and Delivery problem considering internal order evolution for the first time. Building on the token passing paradigm, we propose two event-triggered online replanning algorithms. The first, Dynamic Token Passing, performs localized replanning upon order updates through add-order decomposition and priority-based token scheduling while preserving collision-free execution. The second, Cooperative Token Passing, further enables idle robots to opportunistically assist newly added pickups, improving system-level efficiency. Simulation results in RCWS environments demonstrate that the proposed methods significantly reduce order flowtime compared with static and non-cooperative baselines.
• Abstract（参考訳）: ロボットセルラーウェアハウジングシステム(RCWS)は、複数の在庫管理ユニット(SKU)を順番に収集するマルチエージェントピックアップ・デリバリー(MAPD)プロセスを生み出す。 静的なタスクを仮定する古典的なMAPDの定式化とは異なり、実際の倉庫操作は動的順序の進化を伴うことが多く、そこでは新しいSKUが実行中の順序に付加されることがある。 この実践的な要求により、この手紙は、内部秩序の進化を考慮した動的マルチエージェントピックアップとデリバリの問題を初めて定式化した。 トークンパスのパラダイムに基づいて、2つのイベントトリガー付きオンラインリプランニングアルゴリズムを提案する。 最初のDynamic Token Passingは、衝突のない実行を保ちながら、追加順序分解と優先度ベースのトークンスケジューリングを通じて、順序更新時にローカライズされたリプランを実行する。 第2の“Cooperative Token Passing”では,アイドルロボットが新たに追加されるピックアップを支援することで,システムレベルの効率が向上する。 RCWS環境におけるシミュレーション結果から,静的および非協調的ベースラインと比較して,提案手法は順序流速を著しく低減することが示された。

関連論文リスト

• UMBRELLA: Uncertainty-aware Multi-robot Reactive Coordination under Dynamic Temporal Logic Tasks [5.794342083222513]
  本稿では,動的および移動目標を含む協調作業のためのマルチロボットシステムのコーディネート問題に対処する。 コンフォーマル予測(CP)による目標運動予測の不確かさを明示的にモデル化する。 提案するフレームワーク (UMBRELLA) は,MCTS (Monte Carlo Tree Search) を部分計画と不確実性を考慮したロールアウトに組み合わせたものだ。
  論文  参考訳（メタデータ） (2026-03-26T12:40:04Z)
• OAT: Ordered Action Tokenization [44.20363344414952]
  自己回帰ポリシーは、離散的な抽象化、トークンレベルの推論、柔軟な推論を可能にすることで、スケーラブルなロボット学習のための魅力的な基盤を提供する。 既存のアプローチは、極端に長いトークン配列を生成する分析的な離散化法や、構造を持たない学習された潜在トークン化器に依存する。 本研究では,アクショントークン化のための3つのデシラタ(高圧縮,全復調性,左から右への因果的に順序付けられたトークン空間)を特定し,オーダードアクショントークン化(OAT)を導入する。 OATはレジスタを持つ変圧器、有限スカラー量子を用いて、アクションチャンクを順序付けられたトークン列に識別する
  論文  参考訳（メタデータ） (2026-02-04T05:01:04Z)
• Multi-Agent Collaboration via Evolving Orchestration [55.574417128944226]
  大規模言語モデル(LLM)は、様々な下流タスクで顕著な成果を上げているが、そのモノリシックな性質は複雑な問題解決におけるスケーラビリティと効率を制限している。 LLMに基づくマルチエージェントコラボレーションのためのパウチスタイルのパラダイムを提案し,タスク状態の進化に応じて,中央集権的なオーケストレータ("puppeteer")がエージェント("puppets")を動的に指示する。 クローズドドメインおよびオープンドメインシナリオの実験により,この手法は計算コストを低減し,優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-05-26T07:02:17Z)
• REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
  本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。 ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
  論文  参考訳（メタデータ） (2025-03-28T03:51:40Z)
• DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
  DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。 タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。 シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-07T11:41:18Z)
• PIVOT-R: Primitive-Driven Waypoint-Aware World Model for Robotic Manipulation [68.17081518640934]
  ロボット操作のためのPrIrmitive-driVen waypOinT-aware world model(PIVOT-R)を提案する。 PIVOT-RはWAWM(Waypoint-aware World Model)と軽量アクション予測モジュールで構成される。 私たちのPIVOT-RはSeaWaveベンチマークで最先端のオープンソースモデルより優れており、4段階の命令タスクで平均19.45%の相対的な改善を実現しています。
  論文  参考訳（メタデータ） (2024-10-14T11:30:18Z)
• Multi-Agent Path Finding with Real Robot Dynamics and Interdependent Tasks for Automated Warehouses [1.2810395420131764]
  MAPF(Multi-Agent Path Finding)は、自動倉庫や工場にロボットを配置する際の重要な最適化問題である。 ロボットの群れが各注文の商品を棚からワークステーションに届ける倉庫において、オンラインでの注文配達の現実的な問題を考える。 これにより、相互依存型ピックアップおよびデリバリタスクのストリームが生成され、関連するMAPF問題は、現実的な衝突のないロボット軌道の計算によって構成される。
  論文  参考訳（メタデータ） (2024-08-26T15:13:38Z)
• Octo-planner: On-device Language Model for Planner-Action Agents [19.627197141903505]
  Planner-Actionフレームワークは、計画とアクションの実行を2つの異なるコンポーネントに分離する。 Agentはまず、タスクをサブステップのシーケンスに分解してユーザクエリに応答し、アクションエージェントによって実行される。 我々は、文脈内学習の代わりにモデル微調整を採用し、計算コストとエネルギー消費を削減した。
  論文  参考訳（メタデータ） (2024-06-26T05:40:10Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。