論文の概要: MA-LIPP: Cooperative Multi-Agent Load-Aware Informative Path Planning for Heterogeneous Robot Teams

• arxiv url: http://arxiv.org/abs/2609.21167v1
• Date: Fri, 18 Sep 2026 00:21:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.801926
• Title: MA-LIPP: Cooperative Multi-Agent Load-Aware Informative Path Planning for Heterogeneous Robot Teams
• Title（参考訳）: MA-LIPP:異種ロボットチームのための協調的多エージェント負荷対応インフォーマティブパス計画
• Abstract要約: フィールドロボティクスのミッションでは、しばしば分析のために物理サンプルを研究室に戻さなければならない。 LIPP (Single-robot Load-Aware Informative Path Planning) では、荷物の輸送を感知する。 非同期な"デッドドロップ"を通じて協力できるマルチエージェントLIPP(MA-LIPP)を導入する。
• 参考スコア（独自算出の注目度）: 17.50841481112841
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Field robotics missions often require physical samples to be returned to laboratories for analysis, making path planning inherently load-aware and order-dependent as accumulated samples increase payload and traversal energy costs. In single-robot Load-Aware Informative Path Planning (LIPP), this rigidly couples sensing with hauling: a solitary robot must transport every collected sample, forcing frequent depot returns that severely restrict its spatial coverage. Heterogeneous multi-robot teams can overcome this bottleneck by dividing labor---enabling high-precision samplers to collect while high-capacity carriers handle transport. However, this introduces a complex coordination challenge regarding when, where, what, and to whom handoffs should occur on top of the LIPP problem. To address this tightly coupled problem, we introduce Multi-Agent LIPP (MA-LIPP), which enables teams to cooperate through asynchronous "dead drops," allowing one robot to deposit samples for another to retrieve later without requiring synchronous rendezvous. We formulate MA-LIPP as an exact Mixed-Integer Quadratic Program (MIQP) alongside a scalable Pairwise Large-Neighborhood Search (LNS) heuristic for complex real-world applications. The heuristic matches exact optima in $95.5\%$ of certified cases and reduces weighted posterior variance by $16.1$--$19.8\%$ relative to a sequential baseline on larger instances of up to 12 robots, providing a robust framework for cooperative physical-sampling missions.
• Abstract（参考訳）: フィールドロボティクスのミッションは、しばしば分析のために物理サンプルを研究室に戻すことを必要とし、蓄積されたサンプルがペイロードとトラバースエネルギーコストを増大させるにつれて、経路計画が本質的に負荷を認識し、秩序に依存している。 単一ロボットのロード・アウェア・インフォーマティブ・パス・プランニング(LIPP: Load-Aware Informative Path Planning)では、この厳密なカップルが引き揚げを感知する。 不均一なマルチロボットチームは、労働力を分割することで、このボトルネックを克服することができる。 しかし、このことはLIPP問題の上にいつ、どこで、どこで、どこで、誰が手引きを行うべきかという複雑な調整の問題をもたらす。 この密結合問題に対処するため,マルチエージェントLIPP (MA-LIPP) を導入し,非同期の「デッドドロップ」を通じて協調作業を行う。 我々は,Mixed-Integer Quadratic Program (MIQP) としてMA-LIPPを定式化し,拡張性のあるPairwise Large-Neighborhood Search (LNS) ヒューリスティックを実世界の複雑なアプリケーションに適用した。 ヒューリスティック・マッチは、認定されたケースの95.5\%の精度で最適であり、最大12個のロボットの大規模インスタンスのシーケンシャルベースラインと比較して、重み付き後部分散を16.1$--19.8\%の値で減らし、協調的な物理的サンプリングミッションのための堅牢な枠組みを提供する。

関連論文リスト

• $τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation [51.05516457377339]
  ロングホライズンロボットの操作には、ロボットが個々のスキルを確実に実行し、拡張されたタスクに対してそれらを一貫性を持ってシーケンスする必要がある。 計算スケーリング可能な推論問題として高レベルサブタスク生成を定式化する階層型ロボット基盤モデルである$_0$-VLAを導入する。 低レベルポリシーは、生成されたサブタスクを複数のロボットエンボディメントにわたって実行する。
  論文  参考訳（メタデータ） (2026-08-17T17:59:11Z)
• PEEL: Parallel Extraction for Long-Horizon Disassembly Planning via Scale-Invariant Sampling [11.068491046076174]
  本研究では,オブジェクト集合体の分解動作を効率よく計算し,ロボットマニピュレータに供給するアルゴリズムを提案する。 その結果,MAB-RRTは76組の組立で100%成功率の単一部品分解を効率よく解くことができることがわかった。
  論文  参考訳（メタデータ） (2026-08-09T15:44:26Z)
• CAMO: A Conditional Neural Solver for the Multi-objective Multiple Traveling Salesman Problem [13.232337043603161]
  多目的多目的トラベリングセールスマン問題(MOMTSP)に対する条件付きニューラルネットワークCAMOを提案する。 ターゲット、エージェント、選好ベクトルの様々な数にまたがって一般化し、パレートフロント(PF)に高品質な近似をもたらす。 実験により、CAMOは神経と慣性の両方に優れており、PFのより近い近似が達成されている。
  論文  参考訳（メタデータ） (2026-03-19T15:59:45Z)
• Synthesising Robust Controllers for Robot Collectives with Recurrent Tasks: A Case Study [0.0]
  本稿では,ロボット集合体のための高レベルコントローラ合成のための,シンプルだが有用な抽象化に焦点を当てる。 部分的に観測可能なマルコフ決定プロセス(POMDP)上で、利用関連ゲームからシングルプレイヤーゲームへのグラフベースの設定を簡略化する。 我々は,公共施設の清掃に責任を負う電池駆動型ロボットのシナリオを実演したタスクロボット集合体に対して,POMDPモデリングとコントローラ合成の大規模指導に貢献する。
  論文  参考訳（メタデータ） (2024-11-21T18:08:18Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Multi-Agent Path Finding with Real Robot Dynamics and Interdependent Tasks for Automated Warehouses [1.2810395420131764]
  MAPF(Multi-Agent Path Finding)は、自動倉庫や工場にロボットを配置する際の重要な最適化問題である。 ロボットの群れが各注文の商品を棚からワークステーションに届ける倉庫において、オンラインでの注文配達の現実的な問題を考える。 これにより、相互依存型ピックアップおよびデリバリタスクのストリームが生成され、関連するMAPF問題は、現実的な衝突のないロボット軌道の計算によって構成される。
  論文  参考訳（メタデータ） (2024-08-26T15:13:38Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• Optimal Sequential Task Assignment and Path Finding for Multi-Agent Robotic Assembly Planning [42.38068056643171]
  本研究では,タスク間優先制約のあるアプリケーションにおいて,ロボットの大規模チームに対する逐次的タスク割り当てと衝突のないルーティングの問題について検討する。 本稿では,その問題に対する等間隔最適解を計算するための階層的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-16T00:45:07Z)

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。