論文の概要: An Infrastructure-less, Control-Independent Solution to Relative Localisation of a Team of Mobile Robots using Ranging Measurements

• arxiv url: http://arxiv.org/abs/2606.20365v1
• Date: Thu, 18 Jun 2026 15:27:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.947242
• Title: An Infrastructure-less, Control-Independent Solution to Relative Localisation of a Team of Mobile Robots using Ranging Measurements
• Title（参考訳）: ランキング計測を用いた移動ロボットの相対的位置決めのためのインフラストラクチャレス制御非依存の解法
• Authors: Paolo Golinelli, Tommaso Faraci, Daniele Fontanelli,
• Abstract要約: 分散協調型ローカライゼーションアルゴリズムは, ドメトリー, エージェント間距離測定, 短距離通信に基づく。 この方法はアンカーレスであり、完全に分散化されており、チームの可観測性を確保するためにロボットの動きを制御する必要はない。
• 参考スコア（独自算出の注目度）: 1.6549673766945538
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The ability to localise teams of robots is essential for applications ranging from robotic fleets in unstructured environments to cooperative control and navigation tasks. In such contexts, fixed infrastructure is often unavailable, deployments must be fast and flexible, and system requirements must be minimal. We present a decentralised cooperative localisation algorithm that addresses all these challenges at once. The method is anchor-less, fully decentralised, and, unlike most existing approaches, does not require controlling the robots motion to ensure team observability. It relies only on local odometry, sparse inter-agent ranging measurements, and short-range communication, all of which are widely available in practice. The algorithm adopts a multi-hypothesis Bayesian framework that maintains the entire set of feasible solutions, ensuring robustness under transient unobservable conditions. Moreover, through information sharing, each agent benefits from the estimates of the entire group, even in partially connected conditions.
• Abstract（参考訳）: ロボットのチームをローカライズする能力は、非構造環境のロボット艦隊から協調制御やナビゲーションタスクまで、アプリケーションに不可欠である。 このような状況下では、固定されたインフラストラクチャは利用できないことが多く、デプロイは高速でフレキシブルで、システム要件は最小限でなければならない。 我々はこれらの課題に一度に対処する分散型協調的ローカライゼーションアルゴリズムを提案する。 この方法はアンカーレスで完全に分散化されており、既存のアプローチとは異なり、チームの可観測性を確保するためにロボットの動きを制御する必要はない。 これは、局所計測、スパース・インターアジェント測定、短距離通信にのみ依存しており、これらは全て実際に広く利用可能である。 このアルゴリズムは、一過性の観測不可能な条件下での堅牢性を確保するために、実現可能なソリューションの集合全体を維持するマルチハイプセシスベイズフレームワークを採用する。 さらに、情報共有を通じて、各エージェントはグループ全体の推定から利益を得る。

関連論文リスト

• CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy [67.76658561040625]
  CHORUSは、多様なマルチロボットチームを制御するために、単一のビジョン言語アクション(VLA)バックボーンに適応するフレームワークである。 実験では、CHORUSは分散化されたスクラッチモデルよりも64%のポイント改善を実現している。 その結果,共有VLAバックボーンは分散マルチロボットコラボレーションを実現することができることがわかった。
  論文  参考訳（メタデータ） (2026-06-10T17:26:08Z)
• Distributed Multi-Coverage for Robot Swarms [6.759291241573661]
  監視、環境監視、インフラ検査のために展開される自律型ドローン群は、ロボットの故障にもかかわらず、信頼できるカバレッジを維持する必要がある。 それぞれのアセットは冗長性のために複数のロボットによって観察されなければならない。 本稿では,ローカルセンシング,ローカル通信,グローバルコーディネーションのないロボット群を対象とした分散マルチカバーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-05-20T19:43:41Z)
• Decentralized and Fully Onboard: Range-Aided Cooperative Localization and Navigation on Micro Aerial Vehicles [7.827829335706731]
  本研究では,地域支援型分散型ローカライゼーションと形成制御の課題について考察する。 各ロボットは、その相対的なポーズを、搭載されたオドメーターセンサーからのデータと、チーム内の他のロボットとの距離測定だけを組み合わせて推定する。 本稿では,ロボット間の厳密な協調を必要としない局所化に対するブロック座標降下手法を提案する。
  論文  参考訳（メタデータ） (2026-02-18T16:46:15Z)
• A Scalable Multi-Robot Framework for Decentralized and Asynchronous Perception-Action-Communication Loops [72.1902268440158]
  グローバルな目的を達成するため,大規模なロボット群における協調作業は,大規模環境における課題である。 ロボットはパーセプション・アクション・コミュニケーションループを実行し、ローカル環境を認識し、他のロボットと通信し、リアルタイムで行動を起こす必要がある。 近年では、フロッキングやカバレッジ制御などのアプリケーションでグラフニューラルネットワーク(GNN)を使用してこの問題に対処している。 本稿では、分散化されたGNNを用いてナビゲーション動作を計算し、通信のためのメッセージを生成するロボット群における非同期PACフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T21:20:50Z)
• Distributed Online Rollout for Multivehicle Routing in Unmapped Environments [0.8437187555622164]
  我々は、よく知られた多車両ルーティング問題に対して、完全に分散し、オンラインでスケーラブルな強化学習アルゴリズムを提案する。 エージェントはローカルクラスタに自己組織化し、各クラスタにローカルにマルチエージェントロールアウトスキームを独立に適用する。 提案アルゴリズムは, 放射半径の2倍と3倍の精度で, 基本方針よりも約2倍のコスト向上を実現している。
  論文  参考訳（メタデータ） (2023-05-24T22:06:44Z)
• AdverSAR: Adversarial Search and Rescue via Multi-Agent Reinforcement Learning [4.843554492319537]
  本稿では,敵対的エージェント間コミュニケーションの存在下で,ロボットの戦略を効率的に調整するアルゴリズムを提案する。 ロボットは対象の場所について事前の知識を持っておらず、隣接するロボットのサブセットのみといつでも対話できると仮定される。 提案手法の有効性は, グリッドワールド環境のプロトタイプで実証した。
  論文  参考訳（メタデータ） (2022-12-20T08:13:29Z)
• Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
  グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。 当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。 我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
  論文  参考訳（メタデータ） (2021-03-08T21:48:55Z)
• F2A2: Flexible Fully-decentralized Approximate Actor-critic for Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
  分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。 本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。 当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
  論文  参考訳（メタデータ） (2020-04-17T14:56:29Z)

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。