論文の概要: AO-ARC: Almost-Surely Asymptotically Optimal Multi-Robot Motion Planning with ARC

• arxiv url: http://arxiv.org/abs/2606.27495v1
• Date: Thu, 25 Jun 2026 19:20:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.295748
• Title: AO-ARC: Almost-Surely Asymptotically Optimal Multi-Robot Motion Planning with ARC
• Title（参考訳）: AO-ARC:ARCを用いたほぼ漸近的に最適なマルチロボット運動計画
• Abstract要約: AO-ARCは、最先端のMRMP実現可能性解決器と同等の解解時間を実現するための、常時マルチロボットモーションプランニング(MRMP)手法である。 AO-ARCは、有界MRMPインスタンス上で元のARCメソッドを反復的に呼び出すことで、実現可能性ソルバを任意のアルゴリズムに変換するためにAO-xメタアルゴリズムを適用する。
• 参考スコア（独自算出の注目度）: 1.0781866671930855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present AO-ARC, an anytime multi-robot motion planning (MRMP) method that achieves initial solution times on par with state-of-the-art MRMP feasibility solvers while converging faster and more reliably than existing anytime MRMP methods as the number of robots increases. AO-ARC adapts the AO-x meta-algorithm for converting feasibility solvers into anytime algorithms by iteratively calling the original ARC method on bounded MRMP instances under a makespan cost metric. This exploits the adaptive (de)coupling of ARC while maintaining the consistent cost bound across robot (de)compositions needed for AO-x. We provide theoretical analysis proving the asymptotic optimality properties of AO- ARC and conduct empirical evaluation on a set of 2D scenarios with different levels of coordination complexity and a 3D manipulator scenario representative of real-world applications.
• Abstract（参考訳）: AO-ARCは、ロボットの数が増加するにつれて、既存のMRMP法よりも速く、より確実に収束しながら、最先端のMRMP実現可能性解決器と同等に初期解解時間を達成することができる、随時マルチロボットモーションプランニング(MRMP)手法である。 AO-ARC は AO-x meta-algorithm に適応し、フェーザビリティソルバを任意のアルゴリズムに変換する。 これは、AO-xに必要なロボット(de)構成にまたがる一貫したコストを維持しながら、ARCの適応的(de)カップリングを利用する。 我々は,AO-ARCの漸近最適性を証明する理論解析を行い,調整の複雑さの異なる2次元シナリオと実世界の応用を代表する3次元マニピュレータシナリオのセットに対して経験的評価を行う。

関連論文リスト

• P-ARC: Exploiting Subproblem Independence for Parallel Multi-Robot Motion Planning [1.0781866671930855]
  マルチロボットモーションプランニング(MRMP)への適応型ロボットコーディネート(ARC)アプローチの並列版を提案する。 P-ARCは、ARCの3つの主要なステージ(初期個々の解、競合検出、競合解決)のそれぞれに並列な変種を提案する。 我々は、ARCとP-ARCの両方にOR並列マルチスタート戦略を採用し、ハイブリッド並列戦略OR-P-ARCを作成している。
  論文  参考訳（メタデータ） (2026-06-26T00:48:23Z)
• Breaking the Computational Barrier: Provably Efficient Actor-Critic for Low-Rank MDPs [53.412166189410904]
  低ランクマルコフ決定過程(MDPs)の下で広く採用されているRLオーラクルの階層を確立するために,教師付き学習を計算プロキシとして利用する。 本研究の目的は,政策評価にのみ依存する新しい楽観的アクター批判アルゴリズムを提案することである。 提案アルゴリズムは,従来の計算コストの高い計画や最適化オーラクルを回避しつつ,既存のサンプル複雑度保証よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-02T04:46:54Z)
• OpenACMv2: An Accuracy-Constrained Co-Optimization Framework for Approximate DCiM [12.339184350839451]
  Digital Compute-in-Memory (DCiM)は、データ移動を減らすことでニューラルネットワークを加速する。 DCiMは、PPA(Power-Performance-Area)をさらに改善するが、精度に制約のあるコ最適化を必要とする。 2段階最適化によりACCOを運用するオープンフレームワークOpenACMv2を提案する。
  論文  参考訳（メタデータ） (2026-03-13T14:50:52Z)
• Game-Theoretic Co-Evolution for LLM-Based Heuristic Discovery [37.96481049421407]
  大規模言語モデル(LLM)は、自動発見の急速な進歩を可能にした。 本稿では,発見を問題解決者とインスタンスジェネレータのプログラムレベルの共進化として再編成するゲーム理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-30T12:14:52Z)
• ARM: Role-Conditioned Neuron Transplantation for Training-Free Generalist LLM Agent Merging [51.409102048965394]
  エージェント・ロール・マージング(ARM)は、LLMエージェントのモデルマージングのための活性化誘導されたロール条件のニューロン移植法である。 ARMは、静的自然言語タスクからマルチターンエージェントシナリオまで、既存のマージメソッドを改善している。
  論文  参考訳（メタデータ） (2026-01-12T08:31:53Z)
• 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)
• Sample-efficient Learning of Infinite-horizon Average-reward MDPs with General Function Approximation [53.17668583030862]
  一般関数近似の文脈において,無限水平平均逆マルコフ決定過程(AMDP)について検討する。 最適化最適化(LOOP)と呼ばれる新しいアルゴリズムフレームワークを提案する。 我々は LOOP がサブ線形 $tildemathcalO(mathrmpoly(d, mathrmsp(V*)) sqrtTbeta )$ regret を達成することを示す。
  論文  参考訳（メタデータ） (2024-04-19T06:24:22Z)
• Smoothing ADMM for Sparse-Penalized Quantile Regression with Non-Convex Penalties [8.294148737585543]
  本稿では,非二次絶対および非平滑収束ペナルティの存在下での凹凸および切断された量子レグレッションについて検討する。 本稿では,スパース回帰に特化してSIADと呼ばれるペナルティ乗算器が増加する新しいループADMアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-04T21:48:51Z)
• A Momentum Accelerated Adaptive Cubic Regularization Method for Nonconvex Optimization [18.81683506516341]
  立方正則化法(CR)とその適応型法(ARC)は、制約のない非制約問題の解法としてニュートン方式で人気がある。 本研究の主な目的は、収束性能を向上させるために運動量加速適応正規化法(ARCm)を開発することである。
  論文  参考訳（メタデータ） (2022-10-12T07:53:39Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• Doubly Robust Off-Policy Actor-Critic: Convergence and Optimality [131.45028999325797]
  ディスカウント型MDPのための2倍堅牢なオフポリチックAC(DR-Off-PAC)を開発した。 DR-Off-PACは、俳優と批評家の両方が一定のステップで同時に更新される単一のタイムスケール構造を採用しています。 有限時間収束速度を研究し, dr-off-pac のサンプル複雑性を特徴とし, $epsilon$-accurate optimal policy を得る。
  論文  参考訳（メタデータ） (2021-02-23T18:56:13Z)

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。