Fugu-MT 論文翻訳(概要): Distributed Model Predictive Control with Connectivity-based Contracts

論文の概要: Distributed Model Predictive Control with Connectivity-based Contracts

arxiv url: http://arxiv.org/abs/2609.19912v1
Date: Thu, 17 Sep 2026 08:53:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-20 08:55:54.176004
Title: Distributed Model Predictive Control with Connectivity-based Contracts
Title（参考訳）: 接続性に基づく契約を用いた分散モデル予測制御
Abstract要約: ほとんどの分散モデル予測制御スキームは、移動ロボットのチームが調整のために隣人との接続に依存していると仮定している。シミュレーションループシステムは最適化を継続し、連続的な制約を回避し、局所状態入力を尊重することを示す。
参考スコア（独自算出の注目度）: 3.39458262577385
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Teams of mobile robots rely on continuous communication with their neighbors for coordination, yet most distributed model predictive control (DMPC) schemes assume the communication network stays connected rather than actively enforcing it. Adding such a guarantee is hard since the usual mathematical condition for connectivity is nonconvex and links every agent to every other, which is incompatible with a scalable distributed real-time controller. We propose a DMPC framework in which each agent is assigned a connectivity contract: a local region prescribing where its predicted positions may lie over the prediction horizon. The contracts are designed so that, as long as every agent stays within its own contract, the team is guaranteed to remain connected. Given the maintained contract graph, an agent builds its contract from a single exchange with its immediate neighbors, after which every agent solves its own optimization problem independently. We prove that the resulting closed-loop system maintains connectivity, avoids collisions, and respects local state and input constraints. Simulation and hardware experiments on miniature autonomous car-like robots demonstrate the approach.
Abstract（参考訳）: しかし、ほとんどの分散モデル予測制御(DMPC)のスキームでは、通信ネットワークは積極的に行うのではなく接続されていると仮定している。このような保証を追加することは、接続に関する通常の数学的条件が非凸であり、すべてのエージェントを互いにリンクするので、スケーラブルな分散リアルタイムコントローラと互換性がないため、難しい。本稿では,各エージェントに接続契約を付与するDMPCフレームワークを提案する。契約は、すべてのエージェントが自身の契約内に留まる限り、チームは接続されることが保証されるように設計されています。維持された契約グラフを考えると、エージェントは隣人との1つの交換から契約を構築し、その後、各エージェントは独立して最適化問題を解く。得られた閉ループシステムは接続性を維持し,衝突を回避し,局所状態や入力制約を尊重する。小型の自動運転車のようなロボットのシミュレーションとハードウェア実験は、このアプローチを実証している。

関連論文リスト

Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks [48.90302419915548]
異種大規模言語モデル(LLM)を駆使したエージェントチームは、スマートファクトリー、倉庫、サービスロボティクスに広く配備されている。軽量ディジタルツイン(DT)上に構築したネットワーク協調フレームワーク LDT-Coord を提案する。具体的には、各エージェントは、意図したアクションを独立して選択し、共有リソースに対するアクション決定と構造化時間制約の両方をDTサーバに通知する。
論文参考訳（メタデータ） (2026-07-10T12:10:31Z)
Anytime Plug-and-Play Control with Contract-Based Distributed MPC [3.477704547618128]
本研究では,局部通信に基づく分散マルチエージェント制御アルゴリズムを導入する。提案手法を自律型マルチエージェント運転シナリオで検証し,エージェントが反対方向に移動する高速・動的環境における衝突回避効果を示す。
論文参考訳（メタデータ） (2026-07-05T10:06:49Z)
Multi-Agent Embodied Autonomous Driving: From V2X Information Exchange to Shared World Models [16.06080006560829]
自律運転は、孤立した車両の知性から、不確実性の下で知覚、推論意図、協調行動を共有するマルチエージェント・エンボディシステムへとシフトしている。車両間通信(V2X)、協調認識、エージェント間認知、協調計画、エンドツーエンド協調運転、クローズドループ検証のためのシミュレーションとデータエンジンを含む380以上の出版物をレビューする。
論文参考訳（メタデータ） (2026-06-11T19:10:13Z)
The Cost of Consensus: Malignant Epistemic Herding and Adaptive Gating in Distributed Multi-Agent Search [2.435326482104274]
コーディネーションはタスク完了を支援するための信念を共有するために必要だが、通信は帯域幅を犠牲にし、遅延を導入し、もしうまく行わなければ、集合的推論を劣化させる可能性がある。この緊張は、分散センシングネットワーク、自律偵察、協調サイバー防御など、帯域幅に制約のあるデプロイメントにおいて特に深刻である。我々は、この区別を形式化し、Jensen-Shannon Divergence や、コンセンサスに対するレートのような調整指標だけでは検出できないことを示す。
論文参考訳（メタデータ） (2026-05-07T22:07:25Z)
Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
論文参考訳（メタデータ） (2026-05-07T14:19:17Z)
SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
論文参考訳（メタデータ） (2026-04-20T17:46:20Z)
Predefined-time One-Shot Cooperative Estimation, Guidance, and Control for Simultaneous Target Interception [0.0]
本研究は,定常目標の協調的同時インターセプションのための統合的推定誘導制御フレームワークを開発する。具体的には、一部のエージェントだけが船上シーカー(インフォームド/シーカー装備エージェント)で装備される。残りの(シーカーレスエージェント)は、インフォメーションエージェントを介して間接的にターゲットに関する情報を取得し、同時ターゲットインターセプションのための分散協調ガイダンスを実行する。
論文参考訳（メタデータ） (2026-01-12T17:22:57Z)
Contingency Model-based Control (CMC) for Communicationless Cooperative Collision Avoidance in Robot Swarms [1.8731986346520637]
CMC(Contingency Model-based Control)は、コミュニケーションに依存しない分散協調型アプローチである。本稿では,コミュニケーションに依存しない分散協調型アプローチであるContingency Model-based Control (CMC)を提案する。
論文参考訳（メタデータ） (2025-12-23T14:28:42Z)
Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
論文参考訳（メタデータ） (2021-12-03T19:23:48Z)
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)
Model-based Reinforcement Learning for Decentralized Multiagent Rendezvous [66.6895109554163]
目標を他のエージェントと整合させる人間の能力の下にあるのは、他人の意図を予測し、自分たちの計画を積極的に更新する能力である。分散型マルチエージェントレンデブーのためのモデルに基づく強化学習手法である階層型予測計画(HPP)を提案する。
論文参考訳（メタデータ） (2020-03-15T19:49:20Z)

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。