論文の概要: Coordinated Multi-Robot Disassembly for Makespan Optimization of Large-Scale Assemblies

• arxiv url: http://arxiv.org/abs/2608.05830v1
• Date: Thu, 06 Aug 2026 09:59:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.737499
• Title: Coordinated Multi-Robot Disassembly for Makespan Optimization of Large-Scale Assemblies
• Title（参考訳）: 大規模集合体のマインスパン最適化のための協調型マルチロボット分解
• Authors: Niklas Hargus, Andreas Orthey, Marc Toussaint,
• Abstract要約: 協調型マルチロボット分解法(CoMuDi)を提案する。 CoMuDiは、分解タスクのためのロボットのチームをコーディネートする。 我々は,CoMuDiが大規模アセンブリを確実に解決できることを示す。
• 参考スコア（独自算出の注目度）: 12.091531312863017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-robot task and motion planning for disassembly tasks requires robots to operate in confined workspaces while coordinating their motions with other robots. To tackle this problem, we propose a planning method called coordinated multi-robot disassembly (CoMuDi). CoMuDi coordinates a team of robots for disassembly tasks. The input is a team of robots, an assembly of objects, and a dependency graph. Based on this information, we create compound tasks for pick, place, and exit motions. By propagating temporal constraints, we ensure that each robot can start and end their tasks as early as possible while avoiding collisions with nearby robots. By integrating the space-time RRT* planner (ST-RRT*) into CoMuDi, we ensure that individual tasks minimize arrival time and thereby help us minimize overall makespan. We compare the performance of CoMuDi using both ST-RRT* and RRT* planners with varying time bounds, demonstrating that the combination of CoMuDi and ST-RRT* leads to a higher success rate while minimizing makespan. Finally, we evaluate CoMuDi on six assemblies with up to 49 pieces and up to 9 robots. In those scenarios, we show that CoMuDi returns robot paths that exhibit low idle times, thereby demonstrating that CoMuDi can reliably solve large-scale assemblies.
• Abstract（参考訳）: 分解作業のためのマルチロボットタスクとモーションプランニングでは、ロボットは他のロボットと動作を調整しながら、閉じ込められた作業空間で操作する必要がある。 この問題に対処するために,CoMuDi (CoMuDi) と呼ばれる計画手法を提案する。 CoMuDiは、分解タスクのためのロボットのチームをコーディネートする。 入力はロボットのチーム、オブジェクトのアセンブリ、依存グラフである。 この情報に基づいて、選択、配置、出口動作のための複合タスクを作成する。 時間的制約を伝播することにより、各ロボットが、近くのロボットとの衝突を避けながら、できるだけ早くタスクを開始・終了できるようにします。 時空RRT*プランナー(ST-RRT*)をCoMuDiに統合することにより、個々のタスクが到着時間を最小化し、全体のメースパンを最小化する。 我々は,ST-RRT* と RRT* の2つのプランナを用いて,CoMuDi と ST-RRT* の組合せがメイスパンを最小化しながら高い成功率をもたらすことを示す。 最後に,最大49個の部品と最大9個のロボットからなる6つのアセンブリ上でCoMuDiを評価した。 これらのシナリオでは、CoMuDiはアイドル時間が少ないロボットパスを返却し、CoMuDiが大規模なアセンブリを確実に解決できることを示す。

関連論文リスト

• PARTNR: A Benchmark for Planning and Reasoning in Embodied Multi-agent Tasks [57.89516354418451]
  我々は,HumaN-Robotコラボレーション(PARTNR)における計画と推論タスクのベンチマークを示す。 大規模言語モデル(LLM)を用いた半自動タスク生成パイプラインを用いる。 我々は、計画、知覚、スキル実行の軸を越えて、PartinNRタスクにおける最先端のLCMを分析します。
  論文  参考訳（メタデータ） (2024-10-31T17:53:12Z)
• 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)
• DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in Complex Environments [55.204450019073036]
  本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。 本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。 ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
  論文  参考訳（メタデータ） (2022-09-07T00:35:27Z)
• 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)
• 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)
• Co-Evolution of Multi-Robot Controllers and Task Cues for Off-World Open Pit Mining [0.6091702876917281]
  本稿では,マルチロボット掘削とサイト準備のシナリオにおいて,スケーラブルなコントローラを開発するための新しい手法を提案する。 コントローラは空白のスレートから始まり、人間による操作スクリプトや、掘削機の運動学や力学の詳細なモデリングを必要としない。 本稿では,テンプレートとタスクキューを用いてグループパフォーマンスをさらに向上し,アンタゴニティを最小化する方法について検討する。
  論文  参考訳（メタデータ） (2020-09-19T03:13:28Z)

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。