論文の概要: Decentralized Multi-Robot Task Allocation Under Degraded Communication: A Benchmark of Performance, Reliability, and Computation
- arxiv url: http://arxiv.org/abs/2609.13711v1
- Date: Sat, 12 Sep 2026 04:47:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.481668
- Title: Decentralized Multi-Robot Task Allocation Under Degraded Communication: A Benchmark of Performance, Reliability, and Computation
- Title（参考訳）: 分散型マルチロボットタスクアロケーションによる分散通信:性能・信頼性・計算のベンチマーク
- Abstract要約: 自律型プラットフォームへの組み込みのための分散マルチロボットタスクアロケーション(MRTA)法では,経路性能のみを考慮する必要がある。
我々は、MinMaxとMinSumの旅行、通信の堅牢性と需要、アロケーション信頼性、計算負荷、スケール感度のトレードオフを特徴付けるために、6つの分散MRTAアロケータ(CBAA, ACBBA, PI, HIPC, DMCHBA, DGA)を協調訪問シナリオでベンチマークした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Selecting a decentralized Multi-Robot Task Allocation (MRTA) method for embedded deployment on autonomous platforms requires considering more than route performance alone. We benchmark six decentralized MRTA allocators (CBAA, ACBBA, PI, HIPC, DMCHBA, and DGA) in the Collaborative Visit (CV) scenario to characterize tradeoffs among MinMax and MinSum travel, communication robustness and demand, allocation reliability, computational burden, and scale sensitivity. The core study uses 500 paired ten-target instances across 25 ideal and degraded communication conditions spanning Bernoulli loss, Gilbert--Elliott loss, and Rayleigh fading, with additional campaigns examining pre-allocation, execution-integrated computation, and sensitivity to grid size, robot density, and target load. Across the 24 impaired core conditions, DGA and DMCHBA achieved the lowest mean MinMax travel at 24.49 and 24.78 steps, respectively. HIPC narrowly led mean MinSum travel at 66.95 steps, followed by DGA at 67.22, with both methods occupying the top two in every impaired condition. DMCHBA had the lowest publication intensity at 2.08 publications per team step. In ten-target pre-allocation, HIPC and DMCHBA remained viable and stable in every tested condition, while ACBBA, PI, and DGA lost stability or viability as communication degraded. Under ideal delivery, median full-protocol computation $\Cterm$ in the primary ten-target comparison ranged from 4.88 ms for DMCHBA to 1.346 s for DGA. Static route quality preserved DGA and DMCHBA as the leading MinMax methods, while DGA led MinSum at three of four target loads and HIPC led at 50 targets. Static and execution-integrated computation rankings diverged as task load increased. The results identify distinct allocator operating regions across route objective, communication behavior, reliability, and computational constraints.
- Abstract（参考訳）: 自律型プラットフォームへの組み込みのための分散マルチロボットタスク割当(MRTA)手法の選択には,経路性能のみを考慮する必要がある。
我々は,コラボレーティブビジション(CV)シナリオにおける6つの分散MRTAアロケータ (CBAA, ACBBA, PI, HIPC, DMCHBA, DGA) をベンチマークし,MinMaxとMinSumの旅行におけるトレードオフ,通信の堅牢性と需要,アロケーションの信頼性,計算負荷,スケール感度を特徴付ける。
この中核研究は、ベルヌーイの損失、ギルバート・エリオットの損失、レイリーの衰退にまたがる25の理想的、劣化した通信条件にまたがる500対の10ターゲットインスタンスを使用しており、事前配置、実行統合された計算、グリッドサイズに対する感度、ロボット密度、目標負荷について調べている。
24の障害のあるコア条件の中で、DGAとDMCHBAはそれぞれ24.49ステップと24.78ステップでMinMaxの走行が最低値に達した。
HIPCは、MinSumが66.95歩、DGAが67.22歩、両手法が全ての障害のある状態において上位2歩を占めた。
DMCHBAは、チームステップ当たりの出版物2.08件において、出版力が最も低い。
ACBBA,PI,DGAは通信の劣化に伴って安定性や生存性を失ったが,10ターゲット前割当では,HIPCとDMCHBAは全ての試験条件で有効で安定であった。
理想的なデリバリの下では、最初の10ターゲット比較における中央値のフルプロトコール計算$\Cterm$はDMCHBAの4.88msからDGAの1.346msまで変化した。
静的なルート品質はDGAとDMCHBAを主要なMinMax方式として保存し、DGAはMinSumを4つの目標負荷のうち3つ、HIPCは50の目標に導いた。
タスク負荷の増加に伴い、静的および実行統合された計算ランキングが多様化した。
その結果,経路目標,通信行動,信頼性,計算制約など,異なるアロケータ動作領域が同定された。
関連論文リスト
- Bundle Length Tradeoffs in Decentralized Multi-Robot Task Allocation Under Degraded Communications [0.0]
MinSumとMinMaxは異なるタスク分布を好むことが知られているが、この目的トレードオフにおけるBの役割は体系的に特徴づけられていない。
理想的なコミュニケーションでは、Bが1から12に増加すると、ACBBA、PI、HIPCではMinSumのコストが19.0%、23.0%、31.8%削減される。
また, 損失条件のMinSumと比べ, MinMaxのコストを30.0%, 41.8%向上させるとともに, MinSumのペナルティを14.4%, 7.2%に抑えておくことを実証した。
論文 参考訳（メタデータ） (2026-09-05T21:53:29Z) - Chameleon: An Adaptive AI-Driven Honeypot Architecture Using Threat-Calibrated Particle Swarm Optimization and Semantic Deception Rapidly-Exploring Random Trees [0.0]
低コストの商用偽装製品は、応答エンジンがリアルタイムモデル駆動のフィードバックに結びついていないという、関連する弱点を共有している。
メカニズムは、両方の欠点に対処するために、オープンに分散されたアダプティブなハニーポットプラットフォームである。
論文 参考訳（メタデータ） (2026-08-15T20:30:14Z) - Topological State-Aware Simulation Framework for Inter-Satellite Twin-Field QKD Networks [1.7259898169307613]
衛星間リンク(ISL)は、グローバル量子ネットワークにとって必須のバックボーンである。
TF-QKDは、動的で非IID軌道環境に対して非常に脆弱である。
参照のみのトポロジカル・ポストセレクション・オラクルを導入する。
論文 参考訳（メタデータ） (2026-08-12T23:45:37Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - A Delta-Aware Orchestration Framework for Scalable Multi-Agent Edge Computing [0.0]
Synergistic Collapseは、100以上のエージェントをスケーリングすることで、個々の最適化が防止できない超線形パフォーマンスの低下を引き起こす。
これまでの研究は、指数的行動空間成長、空間的隣接エージェント間の計算冗長性、タスクに依存しないハードウェアスケジューリングなど、それぞれの要因に対処してきた。
1) 中間層活性化を記憶し入力デルタのみを演算する微分ニューラルキャッシング、(2) エージェントを優先度階層に整理し、調整の複雑さを O(n2) から O(n log n) へ6%未満の最適で減少させる臨界ベースのアクションスペースプラニング、の3つに同時に対処するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-22T02:54:35Z) - Scalable Multi-Task Low-Rank Model Adaptation [43.22544779625565]
マルチタスク低ランク適応(LoRA)を多数のタスクに拡張すると、破滅的なパフォーマンス劣化を引き起こす。
規則化や動的ルーティングのような既存のソリューションは、基本的なトレードオフによって制約されるため、スケールで失敗するのです。
3つの新しい設計を持つスケーラブルなソリューションであるmtLoRAを提案する。
論文 参考訳（メタデータ） (2026-03-02T06:57:11Z) - Global Prior Meets Local Consistency: Dual-Memory Augmented Vision-Language-Action Model for Efficient Robotic Manipulation [95.89924101984566]
GPM(Global Prior Memory)とLCM(Local Consistency Memory)を備えたデュアルメモリVLAフレームワークOptimusVLAを紹介する。
GPMはガウスノイズを意味論的に類似した軌道から取得したタスクレベルの先行値に置き換える。
LCMは、時間的コヒーレンスと軌道の滑らかさを強制する学習された一貫性制約を注入する。
論文 参考訳（メタデータ） (2026-02-22T15:39:34Z) - Harnessing Implicit Cooperation: A Multi-Agent Reinforcement Learning Approach Towards Decentralized Local Energy Markets [41.99844472131922]
分散エージェントは、明示的なピアツーピア通信なしで、ローカルエネルギー市場における最適調整を近似することができる。
スティグマイシンシグナリングは複雑なグリッドコーディネートに十分なコンテキストを提供し、高価な集中型通信インフラに代わる堅牢でプライバシー保護の代替を提供する。
論文 参考訳（メタデータ） (2026-02-17T22:22:32Z) - Chain of Simulation: A Dual-Mode Reasoning Framework for Large Language Models with Dynamic Problem Routing [0.0]
Chain of Simulation(CoS)は、動的に問題を特別な推論戦略にルーティングする新しいデュアルモード推論フレームワークである。
CoSは、数学的問題に対する自己整合性を伴う計算フロー、空間的推論のための表現を伴う記号的状態追跡、マルチホップ推論のためのハイブリッド事実抽出という3つの異なる推論モードを採用している。
論文 参考訳（メタデータ） (2026-02-02T21:44:01Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Distributed Multi-agent Meta Learning for Trajectory Design in Wireless
Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。
値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文 参考訳（メタデータ） (2020-12-06T01:30:12Z)
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。