論文の概要: Dec-MARVEL: Decentralized Multi-Agent Exploration without Communication under Budget Constraints

• arxiv url: http://arxiv.org/abs/2607.09060v1
• Date: Fri, 10 Jul 2026 03:06:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 16:48:13.423058
• Title: Dec-MARVEL: Decentralized Multi-Agent Exploration without Communication under Budget Constraints
• Title（参考訳）: Dec-MARVEL:予算制約下でのコミュニケーションのない分散マルチエージェント探索
• Authors: Janghyun Cho, Jimmy Chiun, Guillaume Sartoretti, Changjoo Nam,
• Abstract要約: Dec-MARVELは、指向性センサーを備えたコミュニケーションのないチームのための予算対応フレームワークである。 グラフアテンションアクターは、ローカルフロンティア幾何、チームメイトの動き、予算的特徴を融合して、リターン可能なウェイポイントヘッダーアクションを選択する。 900回の試験で、Dec-MARVELは最高または最高高度の探査速度と最低の感度オーバーラップを達成した。
• 参考スコア（独自算出の注目度）: 12.328838136417078
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multi-UAV exploration is often constrained by unreliable communication, limited field-of-view sensing (e.g., lightweight onboard camera), and finite travel budgets that require each robot to reserve enough budget to return to its base. We present Dec-MARVEL, a decentralized budget-aware exploration framework for communication-free teams with directional sensing. Rather than exchanging maps, goals, or messages, each robot coordinates through its incidental observations: any teammate trajectory within its field of view serves as a coordination signal. A graph-attention actor fuses local frontier geometry, teammate motion, and budget features to select return-feasible waypoint-heading actions. The actor is trained with phase-conditioned critics, a training-only task-oriented privileged critic, and a mixture-based budget curriculum. Across 900 held-out trials spanning three team sizes (2, 4, 8 robots) and three travel budgets (720, 800, 1024 meters) against four baselines, Dec-MARVEL achieves the highest or tied-highest exploration rate and lowest sensing overlap across all nine team-size budget configurations. Under our tightest 720m budget, it reaches 53%, 94%, and 100% success for 2, 4, and 8 robots, versus 37%, 83%, and 99% for the strongest baseline. Physical-robot experiments demonstrate successful sim-to-real transfer and real-world deployment of Dec-MARVEL.
• Abstract（参考訳）: マルチUAV探索は、信頼できない通信、視野の限られたセンシング(例えば、軽量のオンボードカメラ)、各ロボットが基地に戻るのに十分な予算を確保しなければならない有限の旅行予算によって制約されることが多い。 指向性センサーを備えたコミュニケーションフリーなチームを対象とした分散型予算対応探索フレームワークであるDec-MARVELを提案する。 地図やゴールやメッセージを交換する代わりに、それぞれのロボットは偶発的な観察を通して協調する。 グラフアテンションアクターは、ローカルフロンティア幾何、チームメイトの動き、予算的特徴を融合して、リターン可能なウェイポイントヘッダーアクションを選択する。 この俳優は、フェーズ条件付き批評家、トレーニングのみのタスク指向の特権的批評家、混合ベースの予算カリキュラムで訓練されている。 3つのチームサイズ (2, 4, 8ロボット) と3つの旅行予算 (720, 800, 1024メートル) を4つのベースラインに対して900回にわたって実施し、Dec-MARVELは9つのチーム規模の予算構成の中で最も高い、または最も密接な調査率と最低レベルの評価オーバーラップを達成した。 最も厳格な720mの予算の下では、53%、94%、100%の成功を2、4、8のロボットに対して、37%、83%、そして99%のベースラインで達成しています。 物理ロボット実験は、DEC-MARVELのシミュレート・トゥ・リアル・トランスファーと実世界の展開に成功した。

関連論文リスト

• Disturbance-aware Motion Planning for Over-actuated Underwater Vehicles Exploiting Actuation Redundancy for High-fidelity 3D Reconstruction [9.030271148215196]
  高出力推力スラスタは堆積物を補充し、乱流を誘発し、センサー入力時の画質を劣化させる。 過度にアクティベートされたプラットフォームにおける冗長性を利用して、このアクティベーションとパーセプションの結合に対処する。 440回の試験では、目標領域の粒子速度を67%削減した。 3DリコンストラクションRMSEを55%改善し、外乱のないベースラインを55%改善する。
  論文  参考訳（メタデータ） (2026-07-08T08:32:15Z)
• Uni-LaViRA: Language-Vision-Robot Actions Translation for Unified Embodied Navigation [60.07205156194741]
  身体的なナビゲーションでは、エージェントが言語や視覚的な観察を、実際に見たことのない環境を通して実際のロボットを駆動する空間的な行動の流れにマッピングする必要がある。 統合エージェントアーキテクチャであるUni-LaViRAを4つのタスクファミリと4つの異種実ロボットに拡張する。
  論文  参考訳（メタデータ） (2026-05-26T18:52:04Z)
• Collaborative Navigation and Exploration with $β$-Sparse Gaussian Processes [14.685150015050164]
  未知環境における異種ロボットの協調ナビゲーションは、センシング、通信、計算の制限によって大きな課題を生んでいる。 そこで本研究では,センサが送信した地図ポイントとナビゲーション動作を協調的に選択できるフレームワークを提案し,環境の未探索領域を予測した。
  論文  参考訳（メタデータ） (2026-05-25T19:55:59Z)
• 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)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• Autonomous Rendezvous with Non-cooperative Target Objects with Swarm Chasers and Observers [0.0]
  宇宙デブリは、通信、航法、その他の用途のための宇宙船の需要が高まっているため、増加傾向にある。 Space Surveillance Network (SSN)は27,000個の巨大な破片を追跡し、追跡不能な小さな破片の数を1,00,000以上と見積もっている。 本稿では,多目的自律型Rendvous Vision-Integrated Navigation System (MARVIN)を紹介する。
  論文  参考訳（メタデータ） (2023-01-22T05:22:11Z)
• Multi-Drone based Single Object Tracking with Agent Sharing Network [74.8198920355117]
  マルチDroneシングルオブジェクト追跡データセットは、92のビデオクリップと113,918の高解像度フレーム、63のビデオクリップ、145,875の高解像度フレームで構成されている。 エージェント共有ネットワーク(ASNet)は、複数のドローンからターゲットの自己教師付きテンプレート共有とビューアウェア融合によって提案される。
  論文  参考訳（メタデータ） (2020-03-16T03:27:04Z)

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。