論文の概要: Communication-Constrained Multi-Robot Exploration With Adaptive Communication Windows
- arxiv url: http://arxiv.org/abs/2609.12502v1
- Date: Fri, 11 Sep 2026 07:05:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.649036
- Title: Communication-Constrained Multi-Robot Exploration With Adaptive Communication Windows
- Title（参考訳）: 適応型通信窓を用いた通信制約付きマルチロボット探査
- Abstract要約: 本稿では,コミュニケーションの確立に価値があるかどうかを積極的に評価する分散探索フレームワークであるMACEを紹介する。
我々は,既存の通信制約探索戦略と比較して,MACEが探索時間を最大23%削減できることを実証した。
- 参考スコア（独自算出の注目度）: 16.619647268424412
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Exploring unknown environments with multi-robot teams can improve efficiency by allowing robots to explore in parallel. However, realizing these gains requires effective information sharing. When communication is intermittent, robots must balance the benefits of sharing information against the cost of diverting from exploration to establish communication. This paper introduces MACE, a decentralized exploration framework that actively evaluates whether establishing communication is worthwhile. At scheduled communication windows, robots estimate the cost of reaching previously identified communication locations. By formulating this decision as a variant of the Vehicle Orienteering Problem, robots evaluate routes based on the travel required to establish communication and the exploration that can be completed along the way. This approach enables robots to communicate more frequently than under purely opportunistic strategies while reducing the unnecessary travel associated with fixed rendezvous strategies. Across a set of simulated environments with varying size and geometry, we demonstrate that MACE reduces the total exploration time by up to 23% compared to existing communication-constrained exploration strategies.
- Abstract（参考訳）: マルチロボットチームによる未知の環境の探索は、ロボットが並列に探索できるようにすることで効率を向上させることができる。
しかし、これらの利得を実現するには効果的な情報共有が必要である。
コミュニケーションが断続的である場合、ロボットは情報共有の利点と、探索から移動してコミュニケーションを確立するコストのバランスをとる必要がある。
本稿では,コミュニケーションの確立に価値があるかどうかを積極的に評価する分散探索フレームワークであるMACEを紹介する。
スケジュールされた通信窓では、ロボットは以前特定された通信場所に到達するコストを見積もる。
この決定を車両オリエンテーリング問題の変種として定式化することにより、ロボットは通信を確立するのに必要な移動経路と、その途中で完了可能な探索経路を評価できる。
このアプローチは、固定ランデブー戦略に関連する不要な移動を減らしながら、純粋に機会論的戦略よりもロボットがより頻繁に通信できるようにする。
様々な大きさ・形状の模擬環境を網羅し,既存の通信制約探索手法と比較して,MACEが探索時間を最大23%削減できることを実証した。
関連論文リスト
- Robots Ask the Way: Communication-Enabled Social Navigation [12.914876079465431]
コミュニケーション可能なソーシャルナビゲーション(CommNav)について紹介する。
この課題において, ロボットエージェントは, 対象者を特定するために, 住民からの援助を積極的に求めている。
明示的な人間とロボットのコミュニケーションは、多人数のナビゲーション性能を大幅に向上させることを示す。
論文 参考訳（メタデータ） (2026-07-01T15:07:40Z) - SLEI3D: Simultaneous Exploration and Inspection via Heterogeneous Fleets under Limited Communication [10.496161804810473]
本研究では, 協調的な3次元探索, 適応検査, タイムリー通信のためのオンライン戦略を統合する新しい計画調整フレームワーク(SLEI3D)を提案する。
提案手法は,最大48個のロボットと384万立方メートルの大規模ミッションの高忠実度シミュレーションによって広く検証されている。
論文 参考訳（メタデータ） (2026-01-01T02:06:35Z) - Air-Ground Collaboration for Language-Specified Missions in Unknown Environments [62.56917065429864]
本稿では,無人航空機 (UAV) と無人地上機 (UGV) が,自然言語で指定されたミッションを協調的に達成できる,第一種システムを提案する。
我々は、Large Language Model(LLM)対応プランナーを利用して、オンライン上に構築され、航空ロボットと地上ロボットの間で機会的に共有されるセマンティック・メトリック・マップを推論する。
論文 参考訳（メタデータ） (2025-05-14T03:33:46Z) - LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。
CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。
評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2024-01-10T00:08:00Z) - 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) - Navigating to Success in Multi-Modal Human-Robot Collaboration: Analysis
and Corpus Release [2.467008547326945]
人間誘導型ロボット探査は、遠隔地で情報を集めるための有用なアプローチである。
リモートロケーションされたパートナー間の共通基盤を維持することは、課題である。
我々は,ロボットパートナーの助けを借りて遠隔地を調査するために,参加者が複数のモダリティを利用する方法を探る。
論文 参考訳（メタデータ） (2023-10-26T16:56:01Z) - A Scalable Multi-Robot Framework for Decentralized and Asynchronous Perception-Action-Communication Loops [72.1902268440158]
グローバルな目的を達成するため,大規模なロボット群における協調作業は,大規模環境における課題である。
ロボットはパーセプション・アクション・コミュニケーションループを実行し、ローカル環境を認識し、他のロボットと通信し、リアルタイムで行動を起こす必要がある。
近年では、フロッキングやカバレッジ制御などのアプリケーションでグラフニューラルネットワーク(GNN)を使用してこの問題に対処している。
本稿では、分散化されたGNNを用いてナビゲーション動作を計算し、通信のためのメッセージを生成するロボット群における非同期PACフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-18T21:20:50Z) - Communication-Efficient Reinforcement Learning in Swarm Robotic Networks
for Maze Exploration [2.958532752589616]
コミュニケーションは、Swarmロボットの協調の成功の鍵である。
本稿では,Swarmロボットをコーディネートする通信効率の高い分散協調強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-26T16:56:00Z) - Over-communicate no more: Situated RL agents learn concise communication
protocols [78.28898217947467]
互いに効果的に効率的にコミュニケーションできる人工エージェントをいかに設計するかは、不明である。
強化学習(RL)を用いたコミュニケーションの出現に関する研究
エージェントがコミュニケーションを行うための環境行為を強制しなければならない多段階タスクにおける位置的コミュニケーションについて検討する。
テストされたすべてのプレッシャーは過剰なコミュニケーションを阻害する可能性があるが、位置通信は最も効果的であり、努力のコストとは異なり、発生に悪影響を及ぼさない。
論文 参考訳（メタデータ） (2022-11-02T21:08:14Z) - Interpretation of Emergent Communication in Heterogeneous Collaborative
Embodied Agents [83.52684405389445]
本稿では,コラボレーティブな多目的ナビゲーションタスクCoMONを紹介する。
この課題において、オラクルエージェントは、地図の形式で詳細な環境情報を有する。
視覚的に環境を知覚するナビゲーターエージェントと通信し、目標のシーケンスを見つけるのが任務である。
創発的コミュニケーションはエージェントの観察と3次元環境の空間構造に基礎を置くことができることを示す。
論文 参考訳（メタデータ） (2021-10-12T06:56:11Z) - With Whom to Communicate: Learning Efficient Communication for
Multi-Robot Collision Avoidance [17.18628401523662]
本稿では,複数ロボット衝突回避シナリオにおいて,「いつ」と「誰」がコミュニケーションを行うのかという課題を解決するための効率的な通信手法を提案する。
このアプローチでは、全てのロボットが他のロボットの状態について推論することを学び、他のロボットの軌道計画を求める前に将来の衝突のリスクを考える。
論文 参考訳（メタデータ） (2020-09-25T09:49:22Z)
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。