論文の概要: SPACE: Swarm Pheromone Fields for Adaptive Collision-Aware Exploration

• arxiv url: http://arxiv.org/abs/2606.29372v1
• Date: Sun, 28 Jun 2026 12:37:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.898156
• Title: SPACE: Swarm Pheromone Fields for Adaptive Collision-Aware Exploration
• Title（参考訳）: SPACE: 適応的衝突認識探索のためのSwarm Pheromone Fields
• Abstract要約: 本研究では,SPACE, Swarm Pheromone Fields for Adaptive Collision-Aware Explorationを提案する。 アリの餌食に触発されて、SPACEは、魅力的なフロンティアフェロモン、推進剤探索フェロモン、高速ロボット密度フィールドで共有環境を維持できる。 そこで,本研究では,実建築フロアプラン,すなわちHouseExpoデータセットから16のホームレイアウト,KTHデータセットから8のキャンパスフロア,および最大2,5,6台のロボット群を用いてSPACEを評価した。
• 参考スコア（独自算出の注目度）: 5.462829303650626
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Massive robot swarms can explore unknown environments quickly, but adding robots eventually stops helping. Doorways and dense traffic create congestion, increasing inter-robot contacts and reducing the value of each additional robot. We study this safety-efficiency tradeoff for ground swarms of tens to hundreds of robots. We present SPACE, Swarm Pheromone Fields for Adaptive Collision-Aware Exploration. Inspired by ant foraging, SPACE maintains a shared environmental field with an attractive frontier pheromone, a repellent explore pheromone, and a fast robot-density field. Coordination is decentralized and mediated through this field. We evaluate SPACE on real building floorplans, namely sixteen home layouts from the HouseExpo dataset and eight campus floors from the KTH dataset, with swarms of up to two hundred and fifty-six robots. SPACE lies on the empirical Pareto frontier. It attains the lowest inter-robot contact rate at every congested swarm size, four to seventeen times fewer than a greedy nearest-frontier planner, while keeping coverage time within about two percent of that near time-optimal planner. The results indicate that, at this scale, coordination mainly improves safety rather than coverage time.
• Abstract（参考訳）: 巨大ロボット群は未知の環境を素早く探索できるが、ロボットを追加することは結局助けにならない。 道路と密集した交通は渋滞を引き起こし、ロボット間の接触が増加し、追加のロボットの価値が低下する。 我々は、この安全効率のトレードオフを、数十から数百のロボットの地上群に対して検討する。 本研究では,SPACE, Swarm Pheromone Fields for Adaptive Collision-Aware Explorationを提案する。 アリの餌食に触発され、SPACEは、魅力的なフロンティアフェロモン、推進剤探索フェロモン、高速ロボット密度フィールドで共有環境を維持できる。 コーディネーションはこの分野を通じて分散され、仲介される。 そこで,本研究では,実ビルのフロアプラン,すなわちHouseExpoデータセットから16のホームレイアウト,KTHデータセットから8のキャンパスフロア,最大2,5,6台のロボット群を用いてSPACEを評価した。 SPACEは実証的なパレートフロンティアに位置している。 ロボット同士の接触速度は、密集した群れの大きさで最低で、最寄りの最寄りのプランナーの4～17倍も低い。 その結果、この規模では、調整は主にカバレッジ時間よりも安全性を改善することが示唆された。

関連論文リスト

• Beyond Fixed Goal Delivery: Online POMDP Planning for Target Interception in Crowds [5.42183965772918]
  密集した環境での標的迎撃は、不確実な人間エージェントの間を航行しながら移動目標に達する必要がある。 観衆のインターセプションを部分的に観測可能なマルコフ決定プロセスとして定式化し、木探索を用いてオンラインで解決する。 本研究では,まず空間的な経路を計画し,それに沿った速度を変調する逐次経路速度プランナと,樹木探索における操舵と速度を連係する統合プランナとの制御された比較を行う。
  論文  参考訳（メタデータ） (2026-07-20T21:18:01Z)
• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• Look Further: Socially-Compliant Navigation System in Residential Buildings [0.6645141773581494]
  反応距離を8メートル以上まで伸ばすことで、ロボットの動きに対する人間の認識を改善できることを実証した。 本研究は,42名の被験者を対象に,安全,滑らか,礼儀正しさという3つのサービス目標に基づいて,配達ロボットの印象を評価するためのユーザスタディである。
  論文  参考訳（メタデータ） (2026-05-26T08:52:38Z)
• SPARC: Spatial-Aware Path Planning via Attentive Robot Communication [15.669629291551885]
  既存の学習コミュニケーション手法は, 空間的近接によらず, 隣り合うロボットを均等に扱うことができ, コーディネートが最も重要となる密集した地域では, 注意が希薄になる。 本稿では,マンハッタンの対角距離を注目重みに埋め込む通信機構RMHAを提案する。 RMHAは、30%の障害物密度で成功率を約75%達成し、最高のベースラインを25%以上上回っている。
  論文  参考訳（メタデータ） (2026-03-03T10:40:20Z)
• InternVLA-M1: A Spatially Guided Vision-Language-Action Framework for Generalist Robot Policy [138.89177083578213]
  空間接地とロボット制御のための統合フレームワークであるInternVLA-M1を紹介する。 InternVLA-M1は、(i)2.3M以上の空間的推論データに基づく空間的グラウンドトレーニングと(ii)空間的に誘導された後トレーニングという、2段階のパイプラインを使用する。 結果: InternVLA-M1 は SimplerEnv Google Robot で+14.6%、WidowX で+17%、LIBERO Franka で+4.3% で、空間誘導なしでその変種を上回った。
  論文  参考訳（メタデータ） (2025-10-15T17:30:05Z)
• OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction [76.44108003274955]
  ヒューマノイドロボットの複雑なスキルを教えるための主要なパラダイムは、強化学習ポリシーの運動学的参照として人間の動きを再ターゲットすることである。 インタラクションメッシュに基づくインタラクション保存データ生成エンジンであるOmniRetargetを紹介する。 人間のメッシュとロボットメッシュの間のラプラシアの変形を最小限にすることで、OmniRetargetは運動学的に実現可能な軌道を生成する。
  論文  参考訳（メタデータ） (2025-09-30T17:59:02Z)
• GRUtopia: Dream General Robots in a City at Scale [65.08318324604116]
  本稿では,各種ロボットを対象とした対話型3D社会「GRUtopia」について紹介する。 GRScenesには100万のインタラクティブな微妙な注釈付きシーンが含まれており、都市規模の環境に自由に組み合わせることができる。 GRResidentsはLarge Language Model (LLM)によって駆動されるNon-Player Character (NPC)システムである。
  論文  参考訳（メタデータ） (2024-07-15T17:40:46Z)
• From Simulations to Reality: Enhancing Multi-Robot Exploration for Urban Search and Rescue [46.377510400989536]
  本研究では,コミュニケーションが限られ,位置情報がない未知の環境での効率的なマルチロボット探索のための新しいハイブリッドアルゴリズムを提案する。 連続した目標情報なしでシナリオに合うように、ローカルなベストとグローバルなベストポジションを再定義する。 提示された研究は、限られた情報と通信能力を持つシナリオにおけるマルチロボット探索の強化を約束している。
  論文  参考訳（メタデータ） (2023-11-28T17:05:25Z)
• Regularized Deep Signed Distance Fields for Reactive Motion Generation [30.792481441975585]
  距離に基づく制約は、ロボットが自分の行動を計画し、安全に行動できるようにするための基本となる。 本研究では,任意のスケールでスムーズな距離場を計算できる単一暗黙関数ReDSDFを提案する。 共有作業空間における全身制御(WBC)と安全なヒューマンロボットインタラクション(HRI)のための代表的タスク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） (2022-03-09T14:21:32Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)

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。