Fugu-MT 論文翻訳(概要): Connectivity-Aware Graph Extension for Decentralized Multi-Robot Exploration

論文の概要: Connectivity-Aware Graph Extension for Decentralized Multi-Robot Exploration

arxiv url: http://arxiv.org/abs/2609.00804v1
Date: Tue, 01 Sep 2026 07:00:40 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-02 16:31:36.424554
Title: Connectivity-Aware Graph Extension for Decentralized Multi-Robot Exploration
Title（参考訳）: 分散マルチロボット探索のための接続性を考慮したグラフ拡張
Abstract要約: 探索計画の拡張を目的としたフロンティア接続に基づく新しい探索グラフ拡張戦略を提案する。実験により,低通信速度での探索効率が向上し,既存のグラフ拡張手法よりも性能が向上した。
参考スコア（独自算出の注目度）: 3.257796024563442
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Exploring unknown environments with multiple UAVs requires coordination under intermittent communication, making decentralized operation a baseline assumption. We propose, within a decentralized framework, a novel exploration graph extension strategy based on frontier connectivity to extend exploration plans and maintain area partitioning among agents stable and robust to disconnections and changes in spatial layout. The proposed extension method is applied to two state-of-the-art area partitioning methods and evaluated in simulation. Experiments show improved performance over existing graph extension approaches with higher exploration efficiency under low communication rate.
Abstract（参考訳）: 複数のUAVで未知の環境を探索するには、断続的な通信の下で協調する必要がある。分散化フレームワーク内では、フロンティア接続に基づく新たな探索グラフ拡張戦略が提案され、探索計画を拡張し、空間配置の変化や切断に対して安定かつ堅牢なエージェント間の領域分割を維持できる。提案手法を2つの最先端領域分割法に適用し,シミュレーションにより評価した。実験により,低通信速度での探索効率が向上し,既存のグラフ拡張手法よりも性能が向上した。

関連論文リスト

Enhancing Multi-Robot Exploration Using Probabilistic Frontier Prioritization with Dirichlet Process Gaussian Mixtures [4.940650372077413]
本稿では,フロンティア優先化への確率的アプローチを導入することにより,既存のフロンティア探索アルゴリズムの強化を提案する。提案された拡張は、最先端の2つのマルチエージェント探索アルゴリズムに統合され、さまざまなクラッタ、通信制約、チームサイズの環境におけるパフォーマンスを一貫して改善する。
論文参考訳（メタデータ） (2026-04-03T13:51:23Z)
Hybrid Belief Reinforcement Learning for Efficient Coordinated Spatial Exploration [3.0222726254970174]
純粋なモデルに基づくアプローチは、構造化された不確実性推定を提供するが、適応的なポリシー学習を欠いている。本稿では,このギャップに対処するためのハイブリッドな信念強化学習フレームワークを提案する。その結果、累積報酬は10.8%上昇し、ベースラインよりも38%早く収束した。
論文参考訳（メタデータ） (2026-03-04T00:00:34Z)
Bidirectional Cross-Perception for Open-Vocabulary Semantic Segmentation in Remote Sensing Imagery [1.0742675209112622]
訓練不要なオープン語彙セマンティックセマンティックセグメンテーション(OVSS)手法は一般的にCLIPと視覚基礎モデル(VFM)を融合させる SDCIと呼ばれるトレーニングフリーなOVSSのための空間正規化対応二分岐協調推論フレームワークを提案する。複数のリモートセンシングセマンティックセマンティック・セマンティクス・ベンチマーク実験により,本手法が既存手法よりも優れた性能を実現することを示す。
論文参考訳（メタデータ） (2026-01-29T01:46:03Z)
PC2P: Multi-Agent Path Finding via Personalized-Enhanced Communication and Crowd Perception [12.114711272142031]
PC2Pは、QラーニングベースのMARLフレームワークから派生した、新しい分散MAPF手法である。動的グラフトポロジに基づくパーソナライズされたコミュニケーション機構を提案する。致命的なデッドロック問題を解決するために,我々は地域ベースのデッドロック破滅戦略を提案する。
論文参考訳（メタデータ） (2026-01-06T03:11:26Z)
Power Grid Control with Graph-Based Distributed Reinforcement Learning [60.49805771047161]
この作業は、リアルタイムでスケーラブルなグリッド管理のためのグラフベースの分散強化学習フレームワークを前進させる。グラフニューラルネットワーク(GNN)を使用して、ネットワークのトポロジ情報を単一の低レベルエージェントの観測内にエンコードする。 Grid2Opシミュレーション環境での実験は、このアプローチの有効性を示している。
論文参考訳（メタデータ） (2025-09-02T22:17:25Z)
GeoMM: On Geodesic Perspective for Multi-modal Learning [55.41612200877861]
本稿では,マルチモーダル学習における測地線距離を新しい距離測定基準として導入する。我々のアプローチは、現在のマルチモーダル学習に測地距離を適用するための包括的な戦略を取り入れている。
論文参考訳（メタデータ） (2025-05-16T13:12:41Z)
Enhanced Multi-Scale Cross-Attention for Person Image Generation [140.90068397518655]
課題のある人物画像生成タスクに対して,新たにGAN(cross-attention-based generative adversarial network)を提案する。クロスアテンション(Cross-attention)は、異なるモードの2つの特徴写像間で注意/相関行列を計算する、新しく直感的なマルチモーダル融合法である。異なる段階における外観・形状特徴を効果的に融合させるために, 密結合型コアテンションモジュールを新たに導入する。
論文参考訳（メタデータ） (2025-01-15T16:08:25Z)
A Coalition Game for On-demand Multi-modal 3D Automated Delivery System [4.378407481656902]
都市環境におけるラストマイル配送に対処するため、2つのオーバーレイネットワークで運用するUAVとADRの連合ゲームを導入する。戦略的協調が全体のルーティング効率をいかに向上させるかを把握するためのモード間の協調構造について検討する。ミシサガ市におけるケーススタディの結果から,ラストマイル配送の応用に関するいくつかの数値実験が実施されている。
論文参考訳（メタデータ） (2024-12-23T03:50:29Z)
Federated Multi-Agent Mapping for Planetary Exploration [0.4143603294943439]
本稿では,エージェント間のグローバルマップモデルを生データを送信することなく,協調的にトレーニングするフェデレーション型マルチエージェントマッピング手法を提案する。提案手法は暗黙的ニューラルマッピングを利用してパシモニアスで適応可能な表現を生成し,生のマップと比較して最大93.8%のデータを伝送する。我々は,火星の地形や氷河のデータセットに対するアプローチの有効性を実証し,F1スコアを0.95ポイントまで下方経路計画を達成するとともに,地図の復元損失に勝る結果を得た。
論文参考訳（メタデータ） (2024-04-02T20:32:32Z)
Unified Domain Adaptive Semantic Segmentation [105.05235403072021]
Unsupervised Adaptive Domain Semantic (UDA-SS)は、ラベル付きソースドメインからラベル付きターゲットドメインに監督を移すことを目的としている。本稿では,特徴量と特徴量との相違に対処するQuad-directional Mixup(QuadMix)法を提案する。提案手法は,4つの挑戦的UDA-SSベンチマークにおいて,最先端の成果を大きなマージンで上回っている。
論文参考訳（メタデータ） (2023-11-22T09:18:49Z)
Scalable Multi-agent Covering Option Discovery based on Kronecker Graphs [49.71319907864573]
本稿では,分解が容易なマルチエージェントスキル発見法を提案する。我々のキーとなる考え方は、合同状態空間をクロネッカーグラフとして近似することであり、そのフィドラーベクトルを直接見積もることができる。ラプラシアンスペクトルを直接計算することは、無限大の状態空間を持つタスクには難易度が高いことを考慮し、さらに本手法の深層学習拡張を提案する。
論文参考訳（メタデータ） (2023-07-21T14:53:12Z)
Multi-Temporal Relationship Inference in Urban Areas [75.86026742632528]
場所間の時間的関係を見つけることは、動的なオフライン広告やスマートな公共交通計画など、多くの都市アプリケーションに役立つ。空間的に進化するグラフニューラルネットワーク(SEENet)を含むグラフ学習方式によるTrialの解を提案する。 SEConvは時間内アグリゲーションと時間間伝搬を実行し、位置メッセージパッシングの観点から、多面的に空間的に進化するコンテキストをキャプチャする。 SE-SSLは、位置表現学習を強化し、関係の空間性をさらに扱えるように、グローバルな方法でタイムアウェアな自己教師型学習タスクを設計する。
論文参考訳（メタデータ） (2023-06-15T07:48:32Z)
ROIFormer: Semantic-Aware Region of Interest Transformer for Efficient Self-Supervised Monocular Depth Estimation [6.923035780685481]
幾何認識表現強調のための効率的な局所適応アダプティブアテンション手法を提案する。意味情報からの幾何学的手がかりを利用して局所適応的境界ボックスを学習し、教師なし特徴集合を導出する。提案手法は, 自己教師型単分子深度推定タスクにおける新しい最先端技術を確立する。
論文参考訳（メタデータ） (2022-12-12T06:38:35Z)

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。