論文の概要: Courteous Anticipation: Improving Long-Lived Task Planning in Persistent Shared Environments
- arxiv url: http://arxiv.org/abs/2607.20289v1
- Date: Wed, 22 Jul 2026 15:36:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:38.134911
- Title: Courteous Anticipation: Improving Long-Lived Task Planning in Persistent Shared Environments
- Title（参考訳）: 法的予測:永続的共有環境における長期業務計画の改善
- Abstract要約: ロボットが永続的な環境を共有し、保持されたシーケンスから一度にタスクを割り当てるシナリオを考察する。
標準タスクプランナーは、将来のタスクの見通しを欠き、他人の制約を不考慮にし、各タスクを個別に解決し、将来のコストを増大させる端末状態を残します。
本稿では,モデルに基づく計画立案者が提案する予測計画について述べる。
- 参考スコア（独自算出の注目度）: 7.697214958151302
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider a task planning scenario in which robots sharing a persistent environment are assigned tasks one at a time from a held-out sequence. Standard task planners, lacking foresight of future tasks and inconsiderate of others' constraints, solve each task in isolation, leaving terminal states that increase future cost for all, side effects that compound over lengthy task sequences. To reduce cost over the sequence, a robot must anticipate how its actions now may impact performance on future tasks for all robots sharing the environment. Therefore, we present courteous anticipatory planning, wherein a model-based planner proposes candidate plans and selects the one that jointly minimizes immediate cost and aggregated expected future cost across all robots, estimated via independent per-robot learned estimators. This factored formulation avoids combinatorial joint rollouts and supports modular deployment: adding a robot requires only training its own estimator. We evaluate in two persistent PDDL domains, a home environment with robots that have similar capabilities but different responsibilities, and a restaurant environment where robots' distinct capabilities create states that other robots lack the capability to resolve. During lengthy task sequences, our planner reduces total cost by 10.43% versus myopic and 4.03% versus selfish anticipatory planning in a two-robot home environment and by 17.41% and 13.24%, respectively, in a three-robot restaurant.
- Abstract（参考訳）: 永続的な環境を共有するロボットが、保持されたシーケンスから一度にタスクを割り当てるタスク計画シナリオを考察する。
標準的なタスクプランナーは、将来のタスクの見通しを欠き、他のタスクの制約を考慮しないため、各タスクを個別に解決し、全てのタスクの将来のコストを増大させる端末状態は、長いタスクシーケンスを複雑にする副作用となる。
シーケンスのコストを下げるためには、ロボットは環境を共有するすべてのロボットの将来のタスクにおいて、そのアクションがパフォーマンスにどのように影響するかを予測する必要がある。
そこで,本研究では,モデルに基づく計画立案者が候補計画を提案し,ロボットごとの独立学習推定器を用いて推定した,即時コストを最小化し,予測される将来コストを集約する案を選定する。
このファクタード・フォーミュレーションは、組み合わせのジョイントロールアウトを回避し、モジュール化されたデプロイメントをサポートする。
2つの永続的なPDDLドメイン、同様の能力を持つが責任の異なるホーム環境、そして、ロボットの異なる能力が他のロボットに解決する能力がないことを示すレストラン環境について評価する。
長期のタスクシークエンスにおいて、我々のプランナーは、ミオピックと4.03%、二ボットホーム環境での利己的な予測計画と3ロボットレストランの17.41%、13.24%の総コストを10.43%削減する。
関連論文リスト
- 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) - Multi-Robot Learning-Informed Task Planning Under Uncertainty [7.227232362460348]
本研究では,長期的協調のためのモデルに基づく計画手法を用いて,学習と環境の不確かさを推定するマルチロボット計画抽象化を提案する。
本稿では,大規模なProcTHOR家庭環境において,競争ベースラインを超えた1,2,3つのロボットチームを対象とした,効率的なマルチステージタスクプランニングを実演する。
論文 参考訳（メタデータ） (2026-03-20T22:26:10Z) - RoboBallet: Planning for Multi-Robot Reaching with Graph Neural Networks and Reinforcement Learning [5.558796588722835]
現代のロボット製造では、共有された障害物の多いワークスペースで多くのタスクを完了するために、衝突のない複数のロボットの調整が必要である。
既存のマルチアームシステムは、労働集約的なプロセスで手動で実現可能な軌道を設計するための人間の直感と経験に依存している。
障害物の多い環境下でテストし,40個の到達タスクを実行する8つのロボットを用いて,自律的なタスクと動作計画を実現するための強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-05T14:28:34Z) - A roadmap for AI in robotics [55.87087746398059]
AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。
この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
論文 参考訳（メタデータ） (2025-07-26T15:18:28Z) - REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。
ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
論文 参考訳（メタデータ） (2025-03-28T03:51:40Z) - COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T15:53:41Z) - Anticipatory Planning: Improving Long-Lived Planning by Estimating
Expected Cost of Future Tasks [3.2872586139884623]
家庭環境におけるサービスロボットは,高レベルのタスクを一度に一列に並べて考える。
既存のタスクプランナの多くは、次に何をするかという知識を欠いているため、それぞれのタスクを分離して解決します。
予測計画(precipatory planning)とは、グラフニューラルネットワークから予測される将来のコストを推定し、モデルに基づくタスク計画を強化する手法である。
論文 参考訳（メタデータ） (2023-05-08T13:22:16Z) - Learning to Coordinate for a Worker-Station Multi-robot System in Planar
Coverage Tasks [16.323122275188354]
ランダムな動的干渉器を有する大規模平面領域におけるマルチロボットカバレッジパス計画問題に着目する。
本稿では,実際の作業に必要なリソースが限られている複数の作業者と,資源補給に十分なリソースを持つ1つのステーションからなる作業者ステーションMSSを紹介する。
本稿では、労働者のカバレッジプランニングと駅のランデブープランニングを同時に解決する、エンドツーエンドの分散オンラインプランニング手法を提案する。
論文 参考訳（メタデータ） (2022-08-05T05:36:42Z) - 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) - Multi-Robot Task Allocation -- Complexity and Approximation [37.231854068835005]
マルチロボットタスクアロケーションは、探索、救助、地域探索など、様々な現実世界のロボットアプリケーションに不可欠である。
単一タスクロボットとマルチロボットタスク 即時アサインメント(ST-MR-IA)では、各タスクに少なくとも1つのロボットが必要であり、各ロボットは1つのタスクで作業可能であり、各タスクに対して運用コストがかかる。
論文 参考訳（メタデータ） (2021-03-23T08:12:27Z) - Show Me What You Can Do: Capability Calibration on Reachable Workspace
for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。
この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文 参考訳（メタデータ） (2021-03-06T09:14:30Z)
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。