論文の概要: Fibration Trees: A Unified Approach to Multi-Robot Motion Planning
- arxiv url: http://arxiv.org/abs/2606.12070v1
- Date: Wed, 10 Jun 2026 13:33:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 14:18:26.612732
- Title: Fibration Trees: A Unified Approach to Multi-Robot Motion Planning
- Title（参考訳）: フィブレーションツリー:マルチロボット運動計画への統一的アプローチ
- Authors: Andreas Orthey, Florian T. Pokorny, Lydia E. Kavraki,
- Abstract要約: 状態空間をノードとし,ファイブレーションをエッジとするフィブレーションツリーを導入する。
図形としてプロジェクションをモデル化することにより、逐次優先順位付け、並列分解、タスク空間プロジェクションを統一する。
本研究では,高速探索型ランダム・フィブレーション・ツリー(Fibration-RRT)・プランナ(サンプリング・ベース・モーション・プランナ)を開発した。
- 参考スコア（独自算出の注目度）: 21.816256968886496
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: State space projections and decompositions have emerged as powerful tools to tackle the curse of dimensionality in high-dimensional, multi-robot motion planning problems. However, existing methods lack a unified framework which seamlessly handles combinations of projections (prioritization or task-space) and decompositions (parallel or decoupled subspaces). To fill this gap, we introduce fibration trees, which are trees consisting of state spaces as nodes and fibrations as edges, whereby a fibration models a projection from a higher-dimensional space to a lower-dimensional (or simplified) space. By modeling projections as fibrations, we unify sequential prioritization, parallel decomposition, and task-space projections under a single, coherent formalism. Building on this, we develop the rapidly-exploring random fibration trees (Fibration-RRT) planner, a sampling-based motion planner that generalizes strategies from quotient-space RRT (for sequential prioritizations) and discrete RRT (for parallel decompositions), while allowing the inclusion of task-space projections. Fibration-RRT operates on user-defined fibration trees and is proven to be probabilistically complete. To test the generality and efficiency of Fibration-RRT, we provide an open-source implementation and conduct experiments on 32 scenarios using multi robot teams with up to 96 degrees of freedom. Our results indicate that Fibration-RRT efficiently solves high-dimensional problems by exploiting user-defined fibration trees, thereby establishing fibration trees as a powerful, unified framework for multi-robot motion planning.
- Abstract（参考訳）: 状態空間の投影と分解は、高次元マルチロボット運動計画問題における次元性の呪いに対処するための強力なツールとして登場した。
しかし、既存のメソッドには、プロジェクション(優先順位付けまたはタスク空間)と分解(並列または分離された部分空間)をシームレスに扱う統一されたフレームワークが欠けている。
このギャップを埋めるために、状態空間をノードとして、フィブレーションをエッジとして構成する木であるフィブレーション木を導入し、フィブレーションは高次元空間から低次元(あるいは単純化された)空間への射影をモデル化する。
図形としてプロジェクションをモデル化することにより、連続的な優先順位付け、並列分解、タスク空間プロジェクションを単一のコヒーレントな形式の下で統一する。
そこで我々は,高速探索型ランダム・フィブレーション・ツリー(Fibration-RRT)・プランナ(Fibration-RRT)を開発した。これは,商空間 RRT(シーケンシャル優先順位付け)と離散RT(並列分解)の戦略を一般化し,タスク空間の投影を可能としたサンプリングベース・モーション・プランナである。
Fibration-RRTはユーザ定義のフィブレーションツリーで動作し、確率論的に完全であることが証明されている。
本研究では,Fibration-RRTの汎用性と効率性をテストするために,最大96自由度を持つマルチロボットチームを用いて,32シナリオのオープンソース実装と実験を行う。
この結果から,Fabration-RRTはユーザの定義したFabration Treeを利用して高次元の問題を効率的に解決し,マルチロボットモーションプランニングのための強力な統合フレームワークとしてフィブレーションツリーを確立することが示唆された。
関連論文リスト
- TCBiRRT: Rapid Motion Planning for Tightly Coupled Dual-arm Space Manipulator Using Task-space Random Expansion [13.227911126048731]
閉鎖制約下での密結合型双腕空間マニピュレータの運動経路の計画は、基本的かつ困難な問題である。
本稿では,タスク空間制約付き双方向高速探索ランダムツリーアルゴリズムTCBiRRTを提案する。
論文 参考訳（メタデータ） (2026-05-26T15:24:07Z) - HiAP: A Multi-Granular Stochastic Auto-Pruning Framework for Vision Transformers [3.644142828550762]
ビジョントランスフォーマーは計算資源とメモリ帯域幅を著しく制限し、エッジデバイスへの展開を著しく制限する。
単一エンドツーエンドのトレーニングフェーズにおいて最適なサブネットワークを探索する継続的緩和フレームワークである階層型オートプルーニング(HiAP)を提案する。
HiAPは大きな行列をロードするメモリバウンドオーバーヘッドと計算バウンドな数学的操作の両方に対処する。
論文 参考訳（メタデータ） (2026-03-12T17:45:38Z) - Many-RRT*: Robust Joint-Space Trajectory Planning for Serial Manipulators [1.157930969832493]
マニピュレータの関節空間における計画は、非可逆的な前方運動学による重要な課題を呈する。
Many-RRT* は RRT*-Connect の拡張であり、複数の目標を並行して計画している。
論文 参考訳（メタデータ） (2026-03-04T19:31:37Z) - Dynamic Generation of Multi-LLM Agents Communication Topologies with Graph Diffusion Models [99.85131798240808]
我々はtextitGuided Topology Diffusion (GTD) と呼ばれる新しい生成フレームワークを導入する。
条件付き離散グラフ拡散モデルにインスパイアされたGTD式は、反復的な構成過程としてトポロジー合成を行う。
各ステップで生成は、多目的報酬を予測する軽量プロキシモデルによって制御される。
実験により、GTDは高いタスク適応性、スパース、効率的な通信トポロジを生成できることが示されている。
論文 参考訳（メタデータ） (2025-10-09T05:28:28Z) - Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。
離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。
本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
論文 参考訳（メタデータ） (2025-08-27T17:59:36Z) - Adaptive Linear Embedding for Nonstationary High-Dimensional Optimization [0.0]
Self-Adaptive embedding REMBO (SA-REMBO) はランダムEMBdding Bayesian Optimization (REMBO) を一般化して複数のランダムガウス埋め込みをサポートする新しいフレームワークである。
インデックス変数は埋め込み選択を制御し、サロゲート内の製品カーネルを介して潜伏潜伏子と共同でモデル化される。
従来のREMBO法や他の低ランクBO法が失敗する合成および実世界の高次元ベンチマークにおいて,本手法の利点を実証的に示す。
論文 参考訳（メタデータ） (2025-05-16T14:18:19Z) - Modeling All Response Surfaces in One for Conditional Search Spaces [69.90317997694218]
本稿では,すべての部分空間の応答曲面をモデル化する新しい手法を提案する。
本稿では,様々な部分空間から異なる構造を持つ構成を統一された特徴空間に投影できる注目型深層特徴抽出器を提案する。
論文 参考訳（メタデータ） (2025-01-08T03:56:06Z) - Submodular Framework for Structured-Sparse Optimal Transport [7.030105924295838]
非平衡最適輸送(UOT)は、非正規化対策の柔軟な枠組みとロバスト性により、近年注目を集めている。
本研究では,UOT設定における疎輸送計画の学習(構造化)について検討する。
本稿では,最近検討された平均誤差に基づく UOT を用いた新しい空間制約付き UOT の定式化を提案する。
論文 参考訳（メタデータ） (2024-06-07T13:11:04Z) - Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。
本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。
本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
論文 参考訳（メタデータ） (2023-03-16T21:06:13Z) - Local Propagation in Constraint-based Neural Network [77.37829055999238]
ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。
本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
論文 参考訳（メタデータ） (2020-02-18T16:47:38Z)
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。