論文の概要: Conflict-Based Lazy Search for Fast Multi-Manipulator Planning

• arxiv url: http://arxiv.org/abs/2607.04124v1
• Date: Sun, 05 Jul 2026 05:40:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.835765
• Title: Conflict-Based Lazy Search for Fast Multi-Manipulator Planning
• Title（参考訳）: 衝突型遅延探索による高速多マニピュレータ計画
• Abstract要約: 本稿では,マルチマニピュレータ計画のためのCBLS(Conflict-Based Lazy Search)と呼ばれる新しい計画アルゴリズムを提案する。 我々のCBLSアルゴリズムは、事前計算と遅延探索による競合ベースの探索を強化する。 エッジ評価はマニピュレータ計画の計算ボトルネックであるため、LEA*は遅延探索とエッジキューを用いてエッジ評価の回数を削減する。
• 参考スコア（独自算出の注目度）: 35.43395690369507
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Employing multiple manipulators can boost efficiency and accomplish tasks that a single manipulator cannot do. However, real-time planning for multiple manipulators in a cluttered workspace still poses significant challenges for planning algorithms. This article proposes a new planning algorithm called Conflict-Based Lazy Search (CBLS) for multimanipulator planning. CBLS is built on Conflict-Based Search (CBS), an efficient multiagent pathfinding (MAPF) algorithm that has shown an order of magnitude speedup over previous approaches [1], [2]. CBS addresses MAPF by solving many single-agent pathfinding (SAPF) problems. Thus, its planning time directly depends on the efficiency of the SAPF algorithm adopted. Our CBLS algorithm enhances CBS with precomputation and lazy search. First, a lazily evaluated graph with controlled sparsity is precomputed for a single manipulator. Second, we propose the Lazy Edged-based A* (LEA*) for efficient SAPF. Since edge evaluation is the computational bottleneck of manipulator planning, LEA* uses lazy search and an edge queue to reduce the number of edge evaluations. We show that LEA* is optimally vertex efficient and has improved edge efficiency compared to A*. We apply the proposed CBLS to multi-manipulator planning problems and show its superior performance by comparing it with CBS and a sampling-based algorithm, namely, RRT-Connect.
• Abstract（参考訳）: 複数のマニピュレータを使用すると、効率が向上し、1つのマニピュレータができないタスクが達成される。 しかし、乱雑な作業空間における複数のマニピュレータのリアルタイム計画は、まだ計画アルゴリズムに重大な課題を生じさせている。 本稿では,マルチマニピュレータ計画のためのCBLS(Conflict-Based Lazy Search)と呼ばれる新しい計画アルゴリズムを提案する。 CBLS は Conflict-Based Search (CBS) に基づいて構築されている。 CBSはシングルエージェントパスフィンディング(SAPF)の問題を解決することでMAPFに対処する。 したがって、その計画時間はSAPFアルゴリズムの効率に直接依存する。 我々のCBLSアルゴリズムはプレ計算と遅延探索によりCBSを強化します。 まず、制御された間隔を持つ遅延評価グラフを1つのマニピュレータにプリ計算する。 次に,効率的なSAPFのためのLazy Edged-based A* (LEA*)を提案する。 エッジ評価はマニピュレータ計画の計算ボトルネックであるため、LEA*は遅延探索とエッジキューを用いてエッジ評価の回数を削減する。 その結果,LEA*は頂点効率が最適であり,A*に比べてエッジ効率が向上していることがわかった。 提案したCBLSをマルチマニピュレータ計画問題に適用し、CBSとサンプリングベースアルゴリズムであるRT-Connectを比較して、その優れた性能を示す。

関連論文リスト

• LOP: Learning Optimal Pruning for Efficient On-Demand MLLMs Scaling [52.1366057696919]
  LOPは、ターゲットプルーニング制約から最適なプルーニング戦略を学ぶ、効率的なニューラルプルーニングフレームワークである。 LOPアプローチでは、自動回帰ニューラルネットワーク(NN)を使用して、ターゲットプルーニング制約に適応したレイヤワイズプルーニング戦略を直接予測する。 実験の結果,LOPは最大3桁のスピードアップを達成しつつ,様々な測定値において最先端のプルーニング手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-06-15T12:14:16Z)
• A Multiagent Path Search Algorithm for Large-Scale Coalition Structure Generation [61.08720171136229]
  結合構造生成はマルチエージェントシステムにおける基本的な計算問題である。 我々はCSGの多エージェントパス探索アルゴリズムであるSALDAEを開発し、連立構造グラフ上で運用する。
  論文  参考訳（メタデータ） (2025-02-14T15:21:27Z)
• A Real-Time Rescheduling Algorithm for Multi-robot Plan Execution [9.839983977902671]
  Switchable-Edge Search (SES) は最適通過順序を見つけるために設計されたA*スタイルのアルゴリズムである。 本研究では,SESの最適性を証明し,シミュレーションによる効率評価を行う。
  論文  参考訳（メタデータ） (2024-03-26T23:10:41Z)
• Tree-of-Mixed-Thought: Combining Fast and Slow Thinking for Multi-hop Visual Reasoning [16.495754104540605]
  大規模言語モデル(LLM)は、視覚的推論のような複雑な推論タスクのためのコードライクな計画を生成することができる。 ワンストップ推論 (fast) とツリー・オブ・シント (slow) を統合した階層型計画探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-08-18T16:21:40Z)
• An Efficient Approach to the Online Multi-Agent Path Finding Problem by Using Sustainable Information [10.367412630626834]
  多エージェント経路探索(MAPF)は、衝突せずにエージェントをゴールへ移動させる問題である。 本稿では,持続可能な情報を活用したオンラインMAPFの3段階的解決手法を提案する。 我々のアルゴリズムは、エージェント数の設定が異なる場合、平均1.48倍の速度でSOTAより高速である。
  論文  参考訳（メタデータ） (2023-01-11T13:04:35Z)
• Prioritized SIPP for Multi-Agent Path Finding With Kinematic Constraints [0.0]
  MAPF(Multi-Agent Path Finding)は、ロボティクスと人工知能における長年の問題である。 この問題をある程度緩和する手法を提案する。
  論文  参考訳（メタデータ） (2021-08-11T10:42:11Z)
• Waypoint Planning Networks [66.72790309889432]
  本稿では,ローカルカーネル(A*のような古典的アルゴリズム)と学習アルゴリズムを用いたグローバルカーネルを用いたLSTMに基づくハイブリッドアルゴリズムを提案する。 我々は、WPNとA*を比較し、動き計画ネットワーク(MPNet)やバリューネットワーク(VIN)を含む関連する作業と比較する。 WPN の探索空間は A* よりもかなり小さいが、ほぼ最適な結果が得られることが示されている。
  論文  参考訳（メタデータ） (2021-05-01T18:02:01Z)
• Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
  本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。 問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。 本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-07T08:00:02Z)
• 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。