論文の概要: Task Allocation and Motion Planning in Dynamic, Cluttered Environments via CBBA and Graphs of Convex Sets

• arxiv url: http://arxiv.org/abs/2606.18516v1
• Date: Tue, 16 Jun 2026 22:14:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:50.91148
• Title: Task Allocation and Motion Planning in Dynamic, Cluttered Environments via CBBA and Graphs of Convex Sets
• Title（参考訳）: CBBAと凸集合グラフを用いた動的・クラッタ環境におけるタスク割当と動作計画
• Authors: Matthew D. Osburn, Cameron K. Peterson, John L. Salmon,
• Abstract要約: 動的環境におけるマルチエージェントタスク計画では、エージェントにタスクを割り当てると同時に、環境を通して安全な時間効率のトラジェクトリを同時に決定する必要がある。 本稿では,トラジェクトリ最適化のためのグラフ・オブ・コンベックス・セットと,分散タスク割り当てのための Consensus-Based Bundle Algorithm (CBBA) を組み合わせたソリューションを提案する。 次に、アロケーションとプランニングを接続し、エージェントが3次元以上の時間構成空間での衝突を回避し、タスク完了の正確な時間推定を提供する。
• 参考スコア（独自算出の注目度）: 1.0323063834827415
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multi-agent task planning in cluttered, dynamic environments requires assigning tasks to agents while simultaneously determining safe, time-efficient trajectories through the environment. When tasks are dynamic, such as rendezvous objectives, allocation decisions depend not only on which agent is best suited for a task, but also on when and where that task can be reached. This paper presents a solution to this problem, which combines Graphs of Convex Sets (GCS) for trajectory optimization with the Consensus-Based Bundle Algorithm (CBBA) for distributed task allocation. In our approach, GCS finds optimal trajectories through dynamic environments using a time-extended (3D+time) configuration space. At the same time, CBBA coordinates task assignments across agents, enabling informed decision-making in a moving environment. We then connect allocation and planning to allow the agents to avoid collisions in the 3D+time configuration space and provide accurate time estimates for task completion. We demonstrate the effectiveness of our approach in simulated cluttered environments with static and dynamic tasks.
• Abstract（参考訳）: 乱雑な動的環境下でのマルチエージェントタスクプランニングでは、エージェントにタスクを割り当てると同時に、環境を通して安全な時間効率のトラジェクトリを同時に決定する必要がある。 タスクが動的である場合、例えばランデブーの目的など、アロケーションの決定は、どのエージェントがタスクに最も適しているかだけでなく、そのタスクがいつどこで到達できるかにも依存する。 本稿では,GCS(Graphs of Convex Sets)とCBBA(Consensus-Based Bundle Algorithm)を組み合わせた分散タスク割り当て手法を提案する。 提案手法では,時間拡張(3D+時間)構成空間を用いて,動的環境から最適軌道を求める。 同時にCBBAはエージェント間でタスクの割り当てを調整し、移動環境における情報的意思決定を可能にする。 次に、アロケーションとプランニングを接続し、エージェントが3次元以上の時間構成空間での衝突を回避し、タスク完了の正確な時間推定を提供する。 静的タスクと動的タスクを併用したクラスタリング環境において,本手法の有効性を実証する。

関連論文リスト

• Dynamic Multi-Robot Task Allocation under Uncertainty and Communication Constraints: A Game-Theoretic Approach [2.7148994623424207]
  本研究では,不確実なタスク完了,時間-ウィンドウ制約,不完全な情報の下での動的マルチロボットタスク割り当てについて検討する。 我々は、タスクの可視性を決定するハブベースセンシング領域と、ハブ間の情報交換を管理する通信グラフを介して不完全情報をモデル化する。 この枠組みを用いて、各エージェントが局所的に観察される福祉への限界的貢献を最大化するタスクを選択する分散政策である反復的ベストレスポンス(IBR)を提案する。
  論文  参考訳（メタデータ） (2026-04-13T18:48:51Z)
• COAD: Constant-Time Planning for Continuous Goal Manipulation with Compressed Library and Online Adaptation [1.2425910171551517]
  連続的な目標-パラメータ化されたタスク空間を一定時間計画するフレームワークであるCOADを提案する。 COADは、すべてのリージョンのソリューションをオフラインで計画し、保存する代わりに、代表的ルート問題だけを解決して圧縮ライブラリを構築する。 シミュレーションおよび実世界における各種マニピュレータおよび環境の枠組みを評価し,COADが動作ライブラリの相当な圧縮を実現することを示す。
  論文  参考訳（メタデータ） (2026-03-12T22:14:02Z)
• Perceptive Hierarchical-Task MPC for Sequential Mobile Manipulation in Unstructured Semi-Static Environments [10.890430040930971]
  連続的な移動操作は、一貫した動きの生成だけでなく、動作環境の変化に対するロボットの認識と適応性にも依存する。 本研究では,非構造的かつ変化する環境下での効率的な移動操作を実現するための,新しい知覚的階層型タスクモデル予測制御(HTMPC)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-10T20:55:30Z)
• Optimal Safety-Aware Scheduling for Multi-Agent Aerial 3D Printing with Utility Maximization under Dependency Constraints [16.61271813421072]
  最適化問題は、建設ミッションをサブタスクと自律型UAVのチームに分割され、容量とバッテリーが限られている。 タスク依存を考慮したタスク割り当てとスケジューリングを含む最適なミッションプランを生成する。 より重要なタスクへの解の導出によって計算を高速化するために重要な優先順位付けを提案する。
  論文  参考訳（メタデータ） (2025-12-05T15:34:43Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• Optimal task and motion planning and execution for human-robot multi-agent systems in dynamic environments [54.39292848359306]
  本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。 このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。 ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-03-27T01:50:45Z)
• Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
  我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。 LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。 本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2020-07-06T05:13:20Z)
• 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。