論文の概要: Diffusion for Long-Horizon Multi-Robot Path Planning in Human-Shared Environments
- arxiv url: http://arxiv.org/abs/2607.09911v1
- Date: Fri, 10 Jul 2026 19:03:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.244336
- Title: Diffusion for Long-Horizon Multi-Robot Path Planning in Human-Shared Environments
- Title（参考訳）: 人と共有環境における長距離マルチロボット経路計画のための拡散
- Abstract要約: 我々は,大規模ロボットチームを対象としたリアルタイムの長距離ナビゲーションを可能にする,MRRD(Multi-Robot Rolling Diffusion)を提案する。
MRRDは、人間の動きの限られた予測地平線に対応するためのローリングホライゾンスキームと、スケーラブルなヒト様経路の生成のための並列拡散推論と、ロボット間衝突の解決のためのコンフリクトベースの探索機構を組み合わせる。
混み合った環境における実験の結果、MRRDは15個のロボットにリアルタイムでスケールし、安全性とミッション成功率の両方において既存のベースラインを大幅に上回っている。
- 参考スコア（独自算出の注目度）: 5.390697479528605
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-robot path planning in human-shared environments requires a delicate balance between robust inter-robot coordination and socially aware behavior. While diffusion models excel at generating predictable, human-like paths, existing generative planners are often restricted to paths of fixed duration and high computational latency, limiting their adaptability to varying goal distances and hindering real-time deployment. We present Multi-Robot Rolling Diffusion (MRRD), a novel framework that enables real-time, long-horizon navigation for large robot teams through dense crowds. MRRD combines a rolling-horizon scheme to accommodate the limited prediction horizon of human motion, parallelized diffusion inference for scalable generation of human-like paths, and a conflict-based-search mechanism for resolving inter-robot collisions. It further incorporates urgency-based temporal conditioning to generate paths with varying speeds and employs differentiated guidance terms to maximize both social awareness around humans and efficient coordination between robots. Experimental results in crowded environments demonstrate that MRRD successfully scales to 15 robots in real-time, significantly outperforming existing baselines in both safety and mission success rates.
- Abstract（参考訳）: ヒトの共有環境におけるマルチロボット経路計画には、堅牢なロボット間協調と社会的に認識される行動の微妙なバランスが必要である。
拡散モデルは予測可能な人間のような経路を生成するのに優れているが、既存の生成プランナーはしばしば一定期間と高い計算遅延の経路に制限され、その適応性は様々な目標距離に制限され、リアルタイムな展開を妨げる。
我々は,大規模ロボットチームを対象としたリアルタイムの長距離ナビゲーションを可能にする,MRRD(Multi-Robot Rolling Diffusion)を提案する。
MRRDは、人間の動きの限られた予測地平線に対応するためのローリングホライゾンスキームと、スケーラブルなヒト様経路の生成のための並列拡散推論と、ロボット間衝突の解決のためのコンフリクトベースの探索機構を組み合わせる。
さらに、緊急性に基づく時間的条件付けを取り入れて、様々な速度で経路を生成するとともに、人間に関する社会的認識とロボット間の効率的な協調の両方を最大化するために、区別されたガイダンス用語を用いる。
混み合った環境における実験の結果、MRRDは15個のロボットにリアルタイムでスケールし、安全性とミッション成功率の両方において既存のベースラインを大幅に上回っている。
関連論文リスト
- Socially Consistent Multi-Robot Navigation Using Decoupled Planning and Trajectory Coordination [0.0]
人間中心の環境における移動ロボットの正常な統合には、安全かつ効率的なナビゲーションが必要である。
本稿では,予測可能かつ社会的に一貫したマルチロボット動作を生成する部分分散フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-22T22:38:07Z) - From Real-Time Planning to Reliable Execution:Scalable Coordination for Heterogeneous Multi-Robot Fleets in Industrial Environments [1.4860612474543247]
本稿では、ロバストな実行を維持しながらリアルタイム計画を可能にする、リアクティブなオンライン協調フレームワークを提案する。
本稿では,オンラインコンフリクト解決のための実現可能なパスのオンライン生成を支援するために,動作によるコンフリクト低減機構を導入する。
乱れの影響を軽減するため、一般化された共役行動-先行ハイパーグラフを設計する。
論文 参考訳（メタデータ） (2026-07-01T08:16:19Z) - 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) - RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。
様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。
強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
論文 参考訳（メタデータ） (2026-04-16T17:59:44Z) - VORL-EXPLORE: A Hybrid Learning Planning Approach to Multi-Robot Exploration in Dynamic Environments [19.811711277536187]
マルチロボット探索は通常、フロンティア割り当てをローカルナビゲーションから切り離す。
VORL-EXPLOREは,この制約に対処するハイブリッド学習・計画フレームワークである。
また、グローバルA*ガイダンスとリアクティブ強化学習ポリシーとの間のリスク対応適応的仲裁機構も推進している。
論文 参考訳（メタデータ） (2026-03-09T05:20:33Z) - From Obstacles to Etiquette: Robot Social Navigation with VLM-Informed Path Selection [57.74400052368147]
本稿では,幾何学的計画と文脈的社会的推論を統合した社会ロボットナビゲーションフレームワークを提案する。
このシステムはまず障害物や人間の力学を抽出し、幾何学的に実現可能な候補経路を生成し、次に細調整された視覚言語モデル(VLM)を利用してこれらの経路を評価する。
4つのソーシャルナビゲーション環境における実験により, 生活空間違反の最小期間, 歩行者面の最小時間, 社会ゾーンの侵入がない場合に, ベストな総合的なパフォーマンスを達成できることが実証された。
論文 参考訳（メタデータ） (2026-02-09T18:46:12Z) - 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) - Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。
本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
論文 参考訳（メタデータ） (2025-02-05T20:51:28Z) - Scalable Multi-robot Motion Planning for Congested Environments With
Topological Guidance [2.846144602096543]
マルチロボットモーションプランニング(MRMP)は、連続状態空間におけるロボットの衝突のない経路を見つける問題である。
我々は、トポロジカルガイダンスによって提供される改善された効率を活用するために、既存のシングルロボットモーションプランニング手法を拡張した。
提案手法は,多くの狭い経路を持つ複雑な環境における経路を効率的に計画する能力を示し,既存の方法の最大25倍の大きさのロボットチームに拡張する。
論文 参考訳（メタデータ） (2022-10-13T16:26:01Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z)
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。