論文の概要: Genetic Fuzzy System-Based Multi-Robot Coordination for Planetary Missions

• arxiv url: http://arxiv.org/abs/2608.12755v1
• Date: Thu, 13 Aug 2026 03:07:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.374274
• Title: Genetic Fuzzy System-Based Multi-Robot Coordination for Planetary Missions
• Title（参考訳）: 遺伝的ファジィシステムに基づく惑星ミッションのためのマルチロボットコーディネート
• Abstract要約: 本稿では,遺伝子ファジィシステムを用いたマルチロボットシステム(MRS)の分散化手法を提案する。 標高マップにより与えられる環境において、斜面に対する地形の移動性解析を行い、その寸法を小さくし、障害物とみなすことができる非移動性領域を特定する。 トレーニングされたFISモデルは、変換されたトラバーサビリティマップであるテスト環境に適用され、複数のシナリオを使用して検証される。
• 参考スコア（独自算出の注目度）: 3.673994921516517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a decentralized approach for a multi-robot system (MRS) using a genetic fuzzy system to perform a collaborative object transportation task that minimizes the total path length of the MRS in unstructured environment while avoiding obstacles. For an environment given by an elevation map, terrain traversability analysis with respect to the slope is performed to reduce the dimension and identify non-traversable areas that can be considered as obstacles, and the given map is converted into a traversability map in two dimensional space. In the training process, proposed fuzzy inference systems (FISs) to generate the MRS's velocity for transporting an object to a target position are optimized by a genetic algorithm with several scenarios, such as a local minima, a target that is close to an obstacle, and a cluttered environment. The trained FIS models are applied to the testing environment, which is the converted traversability map, and validated using multiple scenarios.
• Abstract（参考訳）: 本稿では, 遺伝的ファジィシステムを用いたマルチロボットシステム(MRS)の分散化手法を提案する。 標高マップにより与えられる環境において、傾斜に対する地形の可逆解析を行い、その寸法を小さくし、障害物とみなすことができる非可逆領域を特定し、所定の地図を2次元空間の可逆写像に変換する。 本発明のトレーニングプロセスでは、物体を目標位置に運ぶためのMSS速度を生成するためのファジィ推論システム(FIS)を、局所的なミニマ、障害物に近いターゲット、散在した環境などのいくつかのシナリオを含む遺伝的アルゴリズムにより最適化する。 トレーニングされたFISモデルは、変換されたトラバーサビリティマップであるテスト環境に適用され、複数のシナリオを使用して検証される。

関連論文リスト

• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• STEM: Semantic Target Search and Exploration using MAVs in Cluttered Environments [17.009653719709213]
  本稿では,目的探索時間と探索時間を最小限に抑えるために,意味誘導型視点プランナを用いた新しいフレームワークを提案する。 具体的には,対象に繋がる可能性のある視点を優先順位付けすることで,効率的な意味探索計画を生成するプランナーを開発する。
  論文  参考訳（メタデータ） (2026-05-30T15:00:58Z)
• 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)
• Collision-Free Velocity Scheduling for Multi-Agent Systems on Predefined Routes via Inexact-Projection ADMM [0.0]
  構造化マルチエージェントプロジェクトでは、エージェントは事前に定義されたルートをたどらなければならず、リルーチンや不可能となる。 本稿では,各エージェントの割り当てられた経路の順序と名前付き経路の割り当てを保ちながら,経路制約付きマルチエージェント協調に対処する。
  論文  参考訳（メタデータ） (2026-03-23T12:34:18Z)
• MMP-A*: Multimodal Perception Enhanced Incremental Heuristic Search on Path Planning [8.522882937983972]
  MMP-A* は、視覚言語モデルの空間的接地機能と、新しい適応的減衰機構を統合するマルチモーダルフレームワークである。 MMP-A* は操作コストを大幅に削減し, ほぼ最適軌道を達成できることを示す。
  論文  参考訳（メタデータ） (2026-01-05T08:55:27Z)
• 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)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• Learning Coverage Paths in Unknown Environments with Deep Reinforcement Learning [17.69984142788365]
  被覆経路計画 (CPP) は、制限された領域の自由空間全体をカバーする経路を見つける問題である。 この課題に対する強化学習の適性について検討する。 本稿では,フロンティアに基づく計算可能なエゴセントリックマップ表現と,全変動に基づく新たな報酬項を提案する。
  論文  参考訳（メタデータ） (2023-06-29T14:32:06Z)
• DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
  本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。 本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。 このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
  論文  参考訳（メタデータ） (2023-01-18T11:02:06Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)
• Bypassing or flying above the obstacles? A novel multi-objective UAV path planning problem [0.0]
  本研究では,衝突のない離散型ドローン経路計画問題に対する新しい整数プログラミングモデルを提案する。 本研究は, 障害物をバイパスしたり, 上空を飛んだりする可能性を考慮して, 経路長, エネルギー消費, 最大経路リスクを同時に最小化することを目的とする。
  論文  参考訳（メタデータ） (2020-04-12T13:42:05Z)

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。