論文の概要: MROPE: A Multi-Robot Safe Cooperative Strategy via combined Predictive Safety Filters and Ellipse-based Constraint Compression
- arxiv url: http://arxiv.org/abs/2607.29203v1
- Date: Fri, 31 Jul 2026 09:22:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.674671
- Title: MROPE: A Multi-Robot Safe Cooperative Strategy via combined Predictive Safety Filters and Ellipse-based Constraint Compression
- Title（参考訳）: MROPE: 予測安全フィルタと楕円型制約圧縮を組み合わせたマルチロボット安全協調戦略
- Abstract要約: 本稿では,協力的監視ミッションを厳格な地域安全要件から切り離す階層戦略を提案する。
方法論的には、このアーキテクチャは高レベルなSwarm調整のための分散集約最適化を組み合わせることで実現される。
仮想および実世界の実験は、このフレームワークを検証し、より優れたリアルタイム効率とスケーラビリティを示す。
- 参考スコア（独自算出の注目度）: 2.1769949049404906
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deploying drone swarms to track a dynamic target in cluttered environments presents severe computational and safety challenges. We propose MROPE, a hierarchical strategy that decouples the cooperative monitoring mission from strict local safety requirements. To overcome the computational bottlenecks typical of dense spaces, our approach dynamically aggregates complex obstacle geometries into a single safe bounding ellipse for each drone. Methodologically, this architecture is realized by combining distributed aggregative optimization for high-level swarm coordination, a decentralized consensus scheme for the safe area computation, and local Predictive Safety Filters (PSF) for real-time collision avoidance. Virtual and real-world experiments validate the framework, demonstrating superior real-time efficiency and scalability compared to centralized approaches.
- Abstract（参考訳）: 乱雑な環境でダイナミックなターゲットを追跡するためにドローン群を配置することは、厳しい計算と安全性の課題をもたらす。
我々は、協調監視ミッションを厳密な地域安全要件から切り離す階層戦略であるMROPEを提案する。
密集空間に典型的な計算的ボトルネックを克服するため,我々は複雑な障害物地形を動的に集約し,各ドローンに1つの安全な境界楕円形を与える。
このアーキテクチャは,高レベルスワム調整のための分散集約最適化,安全な領域計算のための分散コンセンサススキーム,リアルタイム衝突回避のための局所予測安全フィルタ(PSF)を組み合わせることで実現されている。
仮想および実世界の実験は、このフレームワークを検証し、集中型のアプローチと比較して、リアルタイムの効率とスケーラビリティが優れていることを証明します。
関連論文リスト
- Cooperative Multi-UAV Navigation in Complex Environments via Systematic Multi-Agent Deep Reinforcement Learning [14.620999662200795]
局所的なオプティマトラップ、スパース報酬、エージェント間の不均衡の学習、クロスシナリオの一般化が不十分である。
本稿では,これらの課題を協調探索,実証利用,安全なカリキュラムスケジューリング,構造認識の一般化を通じて解決する多エージェント深層強化学習フレームワークを提案する。
シミュレーションの結果、コラボレーションの成功率、ナビゲーションの堅牢性、ゼロショットのクロスシナリオの一般化、動的環境適応性などにおいて、強い性能が確認された。
論文 参考訳（メタデータ） (2026-07-28T14:16:11Z) - Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。
リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
論文 参考訳（メタデータ） (2026-07-22T16:37:05Z) - Localized LoRA-MoE: Block-wise Low-Rank Experts With Adaptive Routing [12.174849960744211]
局所的な空間的ブロッキングと動的でコンテキスト効率の高いルーティングを融合する統合フレームワークであるLoRA-MoEを導入する。
実験により, 分散化されたセルレベルのゲーティングは, 全世界的なコーディネータによる完全な統計パリティを実現することが確認された。
論文 参考訳（メタデータ） (2026-07-06T14:06:18Z) - Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation [57.9825059129472]
本稿では, 耐障害性を考慮したアタック・フレームワークを提案する。
提案手法は,評価パラダイムを目標領域を越えたタスクレベルの実現性にシフトする。
オンラインでは、この攻撃を最大カバレッジ最適化の予算として定式化しています。
論文 参考訳（メタデータ） (2026-07-04T08:14:44Z) - FocalPolicy: Frequency-Optimized Chunking and Locally Anchored Flow Matching for Coherent Visuomotor Policy [75.32174422881958]
FocalPolicyは、周波数局所的なチャンキングとAnchoredフローマッチングを組み合わせたビジュモータポリシーである。
本稿では,近位行動における時間領域のアライメントを監督する,近位複合目標を提案する。
フローマッチング学習において,信号の伝搬一貫性を目標とした局所的アンカーサンプリングを設計する。
論文 参考訳（メタデータ） (2026-05-15T13:27:55Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Provably Safe Trajectory Generation for Manipulators Under Motion and Environmental Uncertainties [26.41382315967256]
本稿では,安全な最適動作計画の必要性に対処する,リスクバウンドな新しい動き計画フレームワークを提案する。
動作不確実性下でのロボットの状態分布を予測するために,剛性マニピュレータ深部クープマン演算子 (RM-DeKO) モデルを統合する。
次に,並列物理シミュレーションとSOS(Sum-of-squares)プログラミングを併用して,衝突リスクのきめ細かい形式的証明を行う,効率的な階層的検証手法を提案する。
論文 参考訳（メタデータ） (2026-03-10T01:48:48Z) - 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) - Safe Consensus of Cooperative Manipulation with Hierarchical Event-Triggered Control Barrier Functions [3.288997322330816]
本稿では、階層型イベントトリガー制御バリア機能(CBF)を介して、安全保証とのコンセンサス調整を実現する分散制御フレームワークを提案する。
その結果、厳密な安全制約下での高精度な協調が示され、ベースライン法に比べて計算コストと通信周波数が大幅に削減された。
論文 参考訳（メタデータ） (2026-03-06T15:09:07Z) - QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。
本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
論文 参考訳（メタデータ） (2025-12-17T06:22:46Z) - CoVeR: Conformal Calibration for Versatile and Reliable Autoregressive Next-Token Prediction [49.09876340754804]
conformsctextCoVeRは、探索効率と多目的軌跡の必要性のバランスをとるモデルフリーデコード戦略である。
本研究では,conformsctextCoVeRがコンパクトな検索空間を同時に維持し,所望の軌跡に対して高いカバレッジの確率を保証することを示す。
論文 参考訳（メタデータ） (2025-09-05T01:07:12Z)
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。