論文の概要: Socially Consistent Multi-Robot Navigation Using Decoupled Planning and Trajectory Coordination

• arxiv url: http://arxiv.org/abs/2607.20772v1
• Date: Wed, 22 Jul 2026 22:38:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.230354
• Title: Socially Consistent Multi-Robot Navigation Using Decoupled Planning and Trajectory Coordination
• Title（参考訳）: 分離計画と軌道座標を用いた社会的に一貫性のあるマルチロボットナビゲーション
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The successful integration of mobile robots in human-centric environments requires navigation that is not only safe and efficient, but also predictable and aligned with social conventions, key precursors for human comfort and acceptance. While significant research addresses short-term human-aware planning, these methods often lack mechanisms for ensuring consistent and predictable behaviors across long horizons. Without socially aware long-term planners, local planners are overburdened, resulting in inefficient and locally reactive movements that undermine predictability. This paper introduces a partially decentralized framework that generates predictable and socially consistent multi-robot motion by decoupling global path planning from trajectory coordination. First, we propose a modified A* planner that embeds macroscopic social norms into the planner cost function. Planned paths are shared across mobile robots to collaboratively build a social graph of established routes, which enforces path consistency and reduces future planning effort. Second, we leverage the emergent structure of the socially constrained paths to formulate the multi-robot trajectory coordination problem as a mixed-integer convex program. The convex program enables efficient computation of conflict- free trajectories, scaling effectively to large fleets and supporting dynamic task assignment. Our results demonstrate that enforcing social consistency at the path planning stage produces predictable, socially compliant mobile robot paths and simplifies the otherwise complex problem of multi-robot coordination.
• Abstract（参考訳）: 人間中心の環境における移動ロボットの統合の成功には、安全で効率的なナビゲーションだけでなく、人間の快適さと受容の鍵となる社会的慣行と一致し、予測可能なナビゲーションが必要である。 有意義な研究は短期的な人為的計画に対処するが、これらの手法は長い地平線を越えて一貫した予測可能な行動を保証するメカニズムを欠いていることが多い。 社会的に意識された長期プランナーがいなければ、局所的なプランナーは過大評価され、非効率で局所的な動きが予測可能性に悪影響を及ぼす。 本稿では,大域的な経路計画を軌道調整から切り離し,予測可能かつ社会的に一貫したマルチロボット運動を生成する部分分散フレームワークを提案する。 まず、マクロな社会的規範をプランナーコスト関数に組み込む改良されたA*プランナーを提案する。 計画されたパスは移動ロボット間で共有され、確立されたルートのソーシャルグラフを共同で構築する。 第二に、社会的に制約された経路の創発的構造を利用して、マルチロボット軌道調整問題を混合整数凸プログラムとして定式化する。 凸プログラムは、競合のないトラジェクトリの効率的な計算を可能にし、大きなフリートに効果的にスケーリングし、動的タスク割り当てをサポートする。 以上の結果から,経路計画段階での社会的一貫性の強化は,予測可能かつ社会的に適合した移動ロボット経路を創出し,多ロボット協調の他の複雑な問題を単純化することを示した。

関連論文リスト

• SAGE: A Socially-Aware Generative Engine for Heterogeneous Multi-Agent Navigation [20.851820019451587]
  本稿では,異種マルチエージェントナビゲーションのための社会認識型生成エンジンであるSAGEを提案する。 推論中、SAGEは異なる衝突、キネマティック、タスクプログレス、ロール条件の社会コンプライアンス用語を用いて、サンプル化されたロボット軌道を洗練する。 提案する誘導機構は,衝突と社会侵害率を一貫して低減し,最大20台のロボットのチームまで拡大し,再訓練することなく,安全・精度・タスクトレードオフの明確な制御を可能にする。
  論文  参考訳（メタデータ） (2026-07-18T03:40:59Z)
• Diffusion for Long-Horizon Multi-Robot Path Planning in Human-Shared Environments [5.390697479528605]
  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。
  論文  参考訳（メタデータ） (2026-07-10T19:03:10Z)
• 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)
• Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
  乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。 タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。 我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
  論文  参考訳（メタデータ） (2026-04-22T22:58:47Z)
• 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)
• Optimal task and motion planning and execution for human-robot multi-agent systems in dynamic environments [54.39292848359306]
  本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。 このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。 ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオ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） (2023-03-27T01:50:45Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• Distributing Collaborative Multi-Robot Planning with Gaussian Belief Propagation [13.65857209749568]
  本稿では、動的制約と衝突制約を定義する汎用因子グラフに基づく、新しい純粋分散手法を実証する。 本手法は, 道路交通シミュレーションシナリオにおいて, 極めて高性能な協調計画を可能にすることを示す。
  論文  参考訳（メタデータ） (2022-03-22T11:13:36Z)
• 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。