論文の概要: Pass the Bucket: Efficient, Robust, Local Load Balancing for Teams of Heterogeneous Robots

• arxiv url: http://arxiv.org/abs/2608.27085v1
• Date: Thu, 27 Aug 2026 13:09:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.408978
• Title: Pass the Bucket: Efficient, Robust, Local Load Balancing for Teams of Heterogeneous Robots
• Title（参考訳）: 不均質なロボットチームのための効率よく、ロバストで、ローカルなロードバランシング
• Abstract要約: 異種ロボット群を対象とした分散的自己組織型タスク共有の課題について検討する。 負荷分散のためのEmphbucket旅団の簡易かつ効果的な機構に関する理論的,実践的な結果を示す。
• 参考スコア（独自算出の注目度）: 2.0329663822294926
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We study the problem of decentralized, self-organized task sharing for a swarm of heterogeneous robots that collaborate in transportation or other objectives that require coordinated motion planning. To this end, we present theoretical and practical results for the simple but effective mechanism of \emph{bucket brigades} for load balancing, in which a team of heterogenous robots share a spatial task in a confined, one-dimensional space, while only being able to sense collisions with neighbors or walls. The goal is to optimize throughput of the overall system, without central control or information, aiming at an interval partition proportional to robot velocities. We address possible chaotic system behavior by developing a stabilization mechanism based on simple local aid, a ``token'', that temporarily decelerates robots after an encounter. This purely local change eliminates persistent oscillations, resulting in convergence towards a stable system state. We accelerate system convergence by comparing a single boundary token to ubiquitous two-directional tokens and optimizing the deceleration factor. Event-driven simulations report convergence times and robustness: For a large variety of perturbations (such as robot deletion, position or velocity jittering), the system reliably re-converges. The results suggest a local, practical mechanism for robust load balancing for heterogeneous teams of robots that promises an effective tool as basis for more complex scenarios.
• Abstract（参考訳）: 本研究では,移動計画と協調する異種ロボット群を対象とした,分散的,自己組織化されたタスク共有の課題について検討する。 そこで本研究では, 異種ロボットのチームは, 隣接する壁や壁との衝突を感知できるだけでなく, 拘束された一次元空間で空間的タスクを共有できる, 負荷分散のための「emph{bucket brigades}」の簡易かつ効果的な機構に関する理論的, 実践的な結果を示す。 目的は、ロボットの速度に比例した間隔分割を目指して、中央制御や情報なしでシステム全体のスループットを最適化することである。 本稿では,ロボットが遭遇した後に一時的に減速する,単純な局所的援助に基づく安定化機構である 'token' を開発することで,カオス的なシステム行動に対処する。 この純粋に局所的な変化は持続的な振動を排除し、安定した系状態へ収束する。 単一境界トークンをユビキタスな2方向トークンと比較し,減速係数を最適化することにより,システム収束を加速する。 イベント駆動シミュレーションは収束時間と頑健さを報告している: ロボットの削除、位置、速度の揺らぎなど、多種多様な摂動に対して、システムは確実に再収束する。 その結果、より複雑なシナリオの基盤として効果的なツールを約束する異質なロボットチームに対して、ロバストなロードバランシングのための局所的で実用的なメカニズムが示唆された。

関連論文リスト

• Curvature-Constrained and Constant-Speed Distributed Simultaneous Arrival Control for Multi-Robot Systems [37.30408009317727]
  複数の移動ロボットを目標地点に同時到着させることは、協調的な囲い込み、災害救助、環境モニタリングといった協調作業に不可欠である。 本稿では,最大コンセンサスプロトコルに基づく分散スイッチング制御手法を提案する。 提案した制御法の下では,各ロボットは隣接ロボットの最大仮想時間に近づき,軽度条件下での同時到着を実現する。
  論文  参考訳（メタデータ） (2026-07-16T09:59:16Z)
• 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)
• Shape Control of a Planar Hyper-Redundant Robot via Hybrid Kinematics-Informed and Learning-based Approach [42.55947704321053]
  ハイパー冗長ロボットは、厳密で非構造的な環境での操作をうまく行うことができる。 到達可能な作業空間を拡張するために,多段式フレキシブルラック作動型平面ロボットを開発した。 本研究では,SpatioCoupledNet というハイブリッドキネマティクス・インフォームド・学習型形状制御手法を提案する。
  論文  参考訳（メタデータ） (2026-03-11T04:35:06Z)
• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• Hierarchical Trajectory Planning of Floating-Base Multi-Link Robot for Maneuvering in Confined Environments [9.325443556436436]
  浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動 本研究は,グローバルガイダンスと設定対応ローカル最適化を統合した階層的軌道計画フレームワークを導入する。 我々の知る限りでは、これは実際のロボットで実証された浮動小数点移動型マルチリンクロボットのための最初の計画フレームワークである。
  論文  参考訳（メタデータ） (2026-02-25T22:49:54Z)
• AutoLayout: Closed-Loop Layout Synthesis via Slow-Fast Collaborative Reasoning [102.71841660031065]
  Autoは、クローズドループの自己検証プロセスをデュアルシステムフレームワークに統合する、完全に自動化された方法である。 Autoの有効性は8つの異なるシナリオで検証され、SOTA法よりも10.1%改善された。
  論文  参考訳（メタデータ） (2025-07-06T08:35:22Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
  ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。 この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。 この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
  論文  参考訳（メタデータ） (2024-09-29T23:57:25Z)
• Robust Collaborative Perception without External Localization and Clock Devices [52.32342059286222]
  複数のエージェントをまたいだ一貫した空間的時間的調整は、協調的な知覚の基礎である。 従来の手法は、ローカライゼーションとクロック信号を提供するために外部デバイスに依存している。 本稿では,様々なエージェントの知覚データに内在する幾何学的パターンを認識して整列する手法を提案する。
  論文  参考訳（メタデータ） (2024-05-05T15:20:36Z)
• 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。