論文の概要: FlockDiffusion: Assignment-Conditioned Diffusion for Multi-Drone Task Allocation and Completion
- arxiv url: http://arxiv.org/abs/2609.23745v1
- Date: Sun, 20 Sep 2026 16:46:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 16:23:31.876825
- Title: FlockDiffusion: Assignment-Conditioned Diffusion for Multi-Drone Task Allocation and Completion
- Title（参考訳）: FlockDiffusion:多次元タスクアロケーションと完了のためのアサインメント・コンディションド・ディフュージョン
- Abstract要約: FlockDiffusionは、シーングラフエンコーダ、明示的なアロケーションヘッド、割り当て条件付き拡散変換器、クローズドフォームトラジェクトリデコーダを組み合わせた学習フレームワークである。
実機で再現するために必要な構成において,タスク密度の増大による効率的な計画法を実証する。
- 参考スコア（独自算出の注目度）: 2.1645011609137295
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Autonomous multi-drone navigation requires fleets to service distributed objectives in cluttered environments under tight computational budgets. Efficient coordination depends on task bundling, where each drone visits multiple objectives along its route. Separate solvers for cost estimation, assignment, and execution incur redundant graph search and produce long, abrupt paths. We propose FlockDiffusion, a learned framework combining a scene graph encoder, an explicit allocation head, an assignment conditioned diffusion transformer, and a closed form trajectory decoder. An autoregressive teacher provides offline supervision for parallel fleet trajectory generation. PyBullet ablations show that bundling increases task completion from 50% to 100%, while our complete teacher further reduces route cost by 8.4% relative to MAGNNET with bundling. In the optimized scalability benchmark, evaluated on 100 scenes per density with ten drones, FlockDiffusion achieves 6.2 to 7.6 times faster inference and approximately 37% shorter routes than the classical pipeline. As nominal task counts increase from 20 to 40, latency rises from 7.8 to 11.1 ms, compared with 48.0 to 75.8 ms for the baseline. In a separate evaluation across five Gazebo environments, FlockDiffusion achieves 100% planner coverage and reduces planned route cost by 15.4% relative to the baseline with bundling. These results demonstrate efficient planning under increasing task density in configurations that are demanding to reproduce with physical drone fleets.
- Abstract（参考訳）: 自律的なマルチドローンナビゲーションは、厳密な計算予算の下で散らばった環境で分散目的を達成するために艦隊を必要とする。
効率の良い調整は、各ドローンがその経路に沿って複数の目標を訪れるタスクのバンドルに依存する。
コスト推定、割当て、実行のための分離した解法は冗長なグラフ探索を行い、長い、突然の経路を生成する。
シーングラフエンコーダ,明示的アロケーションヘッド,代入条件付き拡散変換器,閉形軌道デコーダを組み合わせた学習フレームワークであるFlockDiffusionを提案する。
自動回帰教師は、並列艦隊軌道生成のためのオフライン監視を提供する。
PyBulletのアブリゲーションでは、バンドルはタスク完了率を50%から100%に向上する一方、完全な教師は、バンドルを伴うMAGNNETと比較して、ルートコストをさらに8.4%削減する。
10台のドローンで100シーン毎の密度で評価された最適化されたスケーラビリティベンチマークでは、FlockDiffusionは従来のパイプラインよりも6.2倍から7.6倍高速で、約37%短いルートを達成している。
名目上のタスク数が20から40に増加するにつれて、レイテンシは7.8から11.1msに増加し、ベースラインは48.0から75.8msになった。
5つのガゼボ環境の異なる評価において、FlockDiffusionは100%プランナーカバレッジを達成し、バンドルに伴うベースラインと比較して計画されたルートコストを15.4%削減する。
これらの結果は、物理的なドローン群で再現を要求される構成において、タスク密度の増加の下で効率的な計画方法を示す。
関連論文リスト
- WAVE-Go: World-Model Navigation with Adaptive Execution for Wheel-Legged Robots [8.539882729705583]
WAVE-Goは、ワールドアクション予測と中断可能なコマンド実行を分離するイメージゴールナビゲーションフレームワークである。
WAVE-Goは74.1%の流通成功、63.3%のダイナミックアウト・オブ・ディストリビューション成功を達成した。
これらの結果は、ナビゲーション性能と計画オーバーヘッドのバランスをとる手段として、適応的で中断可能な実行をサポートする。
論文 参考訳（メタデータ） (2026-09-16T06:30:50Z) - On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。
トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
論文 参考訳（メタデータ） (2026-08-31T06:35:07Z) - RecGPT-Mobile-V2 Technical Report [22.10290138930905]
RecGPT-Mobile-V2は、意図的品質と実行効率をステージド設計の目的として扱うエンドツーエンドフレームワークである。
このフレームワークは異種間相互作用をエビデンス保存軌道に変換し、ドメイン適応と教師付きアライメントを通じてレコメンデーションネイティブ基盤を確立する。
オンライン検索分析では、クエリリコールチャネルは、確立されたリコールチャネルによってサーフェスされたインベントリに補完されるインベントリを検索することを示している。
論文 参考訳（メタデータ） (2026-08-25T09:23:17Z) - Small Models Scout Bottleneck Order for Large-Model Data Control [25.285253224551706]
クローズドループコントローラであるLogFloorを導入し、各ラウンドを現在のボトルネックに向けて誘導する。
Qwen2.5-1.5Bの5つのbAbIスキルスライスで、LogFloorはトークンコストを平均56.2%削減した。
70M-to-12B転送では、70Mスカウトパスの3ラウンドのリプレイが8つのターゲットランのすべてのフロアに到達する。
論文 参考訳（メタデータ） (2026-08-14T23:24:34Z) - End-to-End Real-Time Drone-Based Person Detection Framework Using Deep Learning [0.0]
本研究は、無線ライブドローンビデオフィードを介してターゲットを検出するための統合リアルタイム検出パイプラインを提案する。
VisDrone 2019データセットに基づいてトレーニングされたYOLOv8-nanoモデルは、それぞれ57.4%、41%、44.8%、20.3%の精度、リコール、mAP50:95を達成した。
本研究の目的は、無線通信による空中プラットフォームからのリアルタイム人検出を可能にすることである。
論文 参考訳（メタデータ） (2026-07-12T06:55:26Z) - LocalNav: Distilling Frontier VLMs and Embodied RL for On-Device Object Goal Navigation [53.88286427894783]
視覚言語モデル(VLM)は、ロボット分野において、言語コンテキストによる環境認識を可能にする強力なツールとして登場した。
しかし、彼らの計算フットプリントは、通常、それらをクラウド実行に制限し、リソースに制約のあるロボットへのローカルなデプロイによる低レイテンシの推論を妨げる。
本稿では,大規模フロンティアモデルからの複雑な空間意味推論を,組み込みGPUデバイス上でエッジ実行を行うための軽量な4BパラメータローカルVLMに転送する蒸留戦略を提案する。
論文 参考訳（メタデータ） (2026-06-26T09:11:59Z) - Track A*: Fast Visibility-Aware Trajectory Planning for Active Target Tracking [1.8297494098768168]
我々は、視認可能な目標追跡のためのオフライン検索ベースの軌道プランナーであるTrack A star(TA star)を提示する。
TA星は、層状非巡回グラフ(D)探索と、境界体積に対するクロスタイム障害物距離キャッシング、層当たりのビームプルーニング、マルチレイ可視性評価器の3つのエンジニアリング最適化を組み合わせた。
実験の結果、計算コストのごく一部で、頑健で、ほぼベースラインに近い可視性を示す。
論文 参考訳（メタデータ） (2026-05-06T18:09:15Z) - Ultra-low Power Deep Learning-based Monocular Relative Localization
Onboard Nano-quadrotors [64.68349896377629]
この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。
超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。
実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
論文 参考訳（メタデータ） (2023-03-03T14:14:08Z) - Chasing Sparsity in Vision Transformers: An End-to-End Exploration [127.10054032751714]
ビジョン・トランスフォーマー(ViT)は最近爆発的な人気を博したが、その巨大なモデルサイズとトレーニングコストは依然として大きなものだ。
本稿では、達成可能な精度を犠牲にすることなく、トレーニングメモリのオーバーヘッドと推論の複雑さの両方を削減することを目的とする。
具体的には、完全なViTをトレーニングする代わりに、固定された小さなパラメータ予算に固執しながら、スパースワークを動的に抽出し、訓練する。
論文 参考訳（メタデータ） (2021-06-08T17:18:00Z) - Contact-GraspNet: Efficient 6-DoF Grasp Generation in Cluttered Scenes [50.303361537562715]
6-DoFパラレルジャッジの分布を効率的に生成するエンドツーエンドネットワークを提案する。
観測された点群の6-DoF把握ポーズと幅を根付かせることで、把握表現の寸法を4-DoFに縮小することができます。
構造クラッタにおける未知物体のロボット把持実験では, 90%以上の成功率を達成し, 最近の最先端手法と比較して, 故障率を半分に削減した。
論文 参考訳（メタデータ） (2021-03-25T20:33:29Z) - 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。