論文の概要: D3ARC: Time-Critical Distributed Disaster Detection for Asynchronous Cooperative Multi-Robot Systems
- arxiv url: http://arxiv.org/abs/2609.07350v1
- Date: Mon, 07 Sep 2026 11:14:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.416724
- Title: D3ARC: Time-Critical Distributed Disaster Detection for Asynchronous Cooperative Multi-Robot Systems
- Title（参考訳）: D3ARC:非同期協調型マルチロボットシステムのための時間臨界分散型災害検出
- Abstract要約: 気候変動は自然災害の深刻さと予測不可能さを増している。
従来の監視プラクティスは、カバレッジ、コスト、人的リスクによって制限されている。
本稿では、時間認識と信頼できる山火事検知のための非同期分散階層フレームワークであるD3ARCを紹介する。
- 参考スコア（独自算出の注目度）: 3.3540424603831323
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Climate change is increasing the severity and unpredictability of natural disasters. In time-critical crises such as wildfires, traditional monitoring practices remain limited by coverage, cost, and personnel risk, paving the way for autonomous and adaptive monitoring solutions. Within this context, this paper introduces D3ARC, an asynchronous distributed hierarchical framework for time-aware and reliable wildfire detection. D3ARC integrates multiple robotic agents that cooperate under uncertainty through distributed perception, shared situational awareness and coordinated actions. A remote controller asynchronously decides upon each robot's motion, while each robotic agent senses the environment and decides where and how to execute the wildfire detection. All robotic operations require time, and as time progresses, wildfires continue to spread, reducing the opportunity for early intervention. As such, all agents share a common objective: to detect a wildfire with a certain performance threshold as fast as possible and within a time limit. D3ARC integrates mechanisms for safe navigation, coverage efficiency, cooperation and reliability. It introduces a forward-looking capability that allows agents to anticipate the future by evaluating candidate strategies before execution. The framework is evaluated through realistic robotics simulations, ablation studies, and baseline comparisons, achieving an overall mission success up to 94% with 89.4% detection confidence.
- Abstract（参考訳）: 気候変動は自然災害の深刻さと予測不可能さを増している。
森林火災のような時間的危機では、従来の監視プラクティスは、カバー範囲、コスト、人的リスクによって制限され、自律的で適応的な監視ソリューションの道を開いたままである。
本稿では,時間認識および信頼性の高い山火事検出のための非同期分散階層フレームワークであるD3ARCを紹介する。
D3ARCは、分散認識、状況認識の共有、協調行動を通じて不確実性の下で協調する複数のロボットエージェントを統合する。
リモートコントローラは、各ロボットの動きを非同期に決定し、各ロボットエージェントは環境を検知し、山火事検出の場所と方法を決定する。
全てのロボット操作には時間が必要で、時間が進むにつれて山火事は広がり続け、早期介入の機会を減らします。
したがって、すべてのエージェントは共通の目的を共有している: あるパフォーマンス閾値を可能な限り早く、時間制限内で、山火事を検出する。
D3ARCは安全なナビゲーション、カバレッジ効率、協調、信頼性のためのメカニズムを統合している。
これは、エージェントが実行前に候補戦略を評価することによって未来を予測できる前方の能力を導入している。
このフレームワークは、現実的なロボットシミュレーション、アブレーション研究、ベースライン比較を通じて評価され、全体のミッション成功率は94%、検出信頼度は89.4%である。
関連論文リスト
- ASPIRE: Agentic /Skills Discovery for Robotics [46.66569877875144]
ASPIRE (Agentic Skill Programming through Iterative Robot Exploration) は、ロボット制御プログラムをコード・アズ・ポリティクスのパラダイムで書き、洗練する。
1)細粒度のマルチモーダルトレースを露呈し,自律的な故障診断,修復,合成,検証を可能にするクローズドループロボット実行エンジン,(2)検証済みの修正を再利用可能な,伝達可能な知識に蒸留する継続的な拡張スキルライブラリ,(3)多様なタスクシーケンスを生成する進化的検索と,単一軌道の洗練を超えて探索する制御プログラムである。
論文 参考訳（メタデータ） (2026-06-30T23:38:46Z) - Foresight: Failure Detection for Long-Horizon Robotic Manipulation with Action-Conditioned World Model Latents [58.49879338545782]
ロングホライゾンタスクは、現実のロボット展開では一般的なものだが、そのようなタスクの障害検出は未調査のままである。
動作条件付き世界モデルからの潜在表現を用いて、操作軌跡をモニタする故障検出フレームワークであるForesightを提案する。
この結果から, 動作条件付きワールドモデル埋め込みは, 長距離操作における信頼性のある故障監視のためのスケーラブルな表現を提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-06-22T09:32:28Z) - ED3R: Energy-Aware Distributed Disaster Detection Enabled by Cooperative Robotic Agents [3.3540424603831323]
本稿では,不確実性を考慮した山火事検出のためのエネルギー対応分散フレームワークED3Rを紹介する。
ED3Rは、ロボットとリモコンとの間の階層的な協調的意思決定を可能にする。
ミッション成功率97.18%に達し、ベースラインよりも41%速い山火事を検出する。
論文 参考訳（メタデータ） (2026-06-16T09:59:03Z) - SafeGuard ASF: SR Agentic Humanoid Robot System for Autonomous Industrial Safety [0.3499870393443268]
産業環境における自律的危険検知のためのヒューマノイドロボットをデプロイする包括的フレームワークであるSafeGuard ASFを提案する。
本システムは、ReActベースのエージェント推論フレームワークであるマルチモーダル認識(RGB-D画像)を統合し、Unitree G1ヒューマノイドプラットフォーム上での移動ポリシーを学習する。
我々は,シミュレーションと実環境の両方において,自律的なパトロール,視覚的知覚による人間の検出,障害物回避能力の実証を行い,システムの有効性を検証した。
論文 参考訳（メタデータ） (2026-03-26T11:58:44Z) - RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
ロボットのためのロバスト自動データ取得(RADAR)について紹介する。
RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。
シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
論文 参考訳（メタデータ） (2026-03-12T11:18:52Z) - Digital Twin and Agentic AI for Wild Fire Disaster Management: Intelligent Virtual Situation Room [1.4323566945483497]
森林火災の頻度と強度は、2030年までに約14%増加し、2050年までに30%増加すると予測されている。
従来の災害管理フレームワークは静的シミュレーションと受動的データ取得に依存している。
本稿では、自律型AIエージェントによって強化された双方向デジタルツイン(DT)プラットフォームである、Intelligent Virtual situation Room (IVSR)を紹介する。
論文 参考訳（メタデータ） (2026-02-09T17:44:52Z) - Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。
OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。
当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
論文 参考訳（メタデータ） (2025-12-08T15:56:18Z) - From Simulations to Reality: Enhancing Multi-Robot Exploration for Urban
Search and Rescue [46.377510400989536]
本研究では,コミュニケーションが限られ,位置情報がない未知の環境での効率的なマルチロボット探索のための新しいハイブリッドアルゴリズムを提案する。
連続した目標情報なしでシナリオに合うように、ローカルなベストとグローバルなベストポジションを再定義する。
提示された研究は、限られた情報と通信能力を持つシナリオにおけるマルチロボット探索の強化を約束している。
論文 参考訳（メタデータ） (2023-11-28T17:05:25Z) - Asynchronous Multi-Agent Reinforcement Learning for Efficient Real-Time
Multi-Robot Cooperative Exploration [16.681164058779146]
本稿では,複数のロボットが,未知の領域をできるだけ早く探索する必要がある,協調探索の課題について考察する。
既存のMARLベースの手法では、すべてのエージェントが完全に同期的に動作していると仮定して、探索効率の指標としてアクション作成ステップを採用している。
本稿では,非同期MARLソリューションであるAsynchronous Coordination Explorer (ACE)を提案する。
論文 参考訳（メタデータ） (2023-01-09T14:53:38Z) - Multi-UAV Planning for Cooperative Wildfire Coverage and Tracking with
Quality-of-Service Guarantees [7.936688444492405]
本研究では,複数UAVチームにおける協調的なフィールドカバレッジと火災追跡を実現するための予測フレームワークを提案する。
我々は、UAVチームが限られた資源を分配し、消防エリア全体をカバーできるように、新しい、分析的時間的、および追跡エラー境界を導出する。
本研究の結果は, 空域火災監視のケーススタディに限らず, 捜索・救助, 目標追跡, 国境パトロールなどの問題に適用可能である。
論文 参考訳（メタデータ） (2022-06-21T17:20:54Z) - 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。