論文の概要: MR. POP: Multi-Robot Parallel Optimizing Planner for Almost-Surely Asymptotically Optimal Planning

• arxiv url: http://arxiv.org/abs/2609.30644v1
• Date: Fri, 25 Sep 2026 00:33:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.161089
• Title: MR. POP: Multi-Robot Parallel Optimizing Planner for Almost-Surely Asymptotically Optimal Planning
• Title（参考訳）: MR. POP: ほぼ漸近的に最適な計画のためのマルチロボット並列最適化プランナ
• Abstract要約: MR.POPはGPUベースのマルチロボットプランナで、dRRTとAO-xメタアルゴリズムに基づいている。 最先端のa.s.a.o.プランナーよりも高速で、最大35-DOFまでのマルチロボットシステムで100%解決率を達成する唯一のプランナーである。
• 参考スコア（独自算出の注目度）: 7.075694114547751
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Finding globally optimal paths remains a fundamental challenge in multi-robot motion planning. Despite acceleration of almost-surely asymptotically optimal (a.s.a.o.) planners via CPU-based parallelism, achieving both probabilistic convergence guarantees and strong computational performance, these algorithms still struggle to scale to multi-robot settings. As such, we introduce MR. POP, a GPU-based a.s.a.o. multi-robot planner based on dRRT and the AO-x meta-algorithm. MR. POP uses large-scale GPU-based SIMT-parallelism to simultaneously run hundreds of roadmap construction and tree search iterations with underlying parallel nearest neighbor search and collision checking operations. We show that this enables MR. POP to become the only planner achieving a 100% solve rate while being faster than state-of-the-art a.s.a.o. planners in multi-robot systems up to 35-DOF. MR. POP also raises the success rate of downstream motion optimizers (e.g., from 4% to 72%), by creating high-quality, diverse seeds that help avoid local minima.
• Abstract（参考訳）: グローバルな最適経路を見つけることは、マルチロボットモーションプランニングにおける根本的な課題である。 ほぼ確実に漸近的に最適(つまり並列性)なプランナーのアクセラレーションはCPUベースの並列性によって実現され、確率収束保証と強力な計算性能の両方を達成するが、これらのアルゴリズムはマルチロボット設定へのスケールに苦慮している。 そこで我々は,dRRTとAO-xメタアルゴリズムに基づくGPUベースのマルチロボットプランナであるMR.POPを紹介する。 MR.POPは、GPUベースのSIMT並列性を使用して、数百のロードマップ構築とツリー探索イテレーションを同時に実行し、基礎となる並列近接探索と衝突チェック操作を実行する。 これにより、MR.POPは、最先端のa.s.a.o.プランナーよりも最大35-DOFの高速で100%解決率を達成する唯一のプランナーとなることが示される。 MR. POPはまた、高品質で多様な種子を生産することで、下流の運動オプティマイザ(例えば、4%から72%)の成功率を高める。

関連論文リスト

• Fast Asymptotically Optimal Kinodynamic Planning via Vectorization [0.764671395172401]
  本稿では,JAX と XLA コンパイラを利用した並列キノダイナミックプランナである Parallel Asymptotically Optimal Kinodynamic RRTPAKR を提案する。 並列プランナとAO-xメタアルゴリズムを組み合わせることで、高速反復的再計画により最適性を実現する。
  論文  参考訳（メタデータ） (2026-07-04T19:07:03Z)
• optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
  単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。 LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
  論文  参考訳（メタデータ） (2026-05-19T10:18:12Z)
• Many-RRT*: Robust Joint-Space Trajectory Planning for Serial Manipulators [1.157930969832493]
  マニピュレータの関節空間における計画は、非可逆的な前方運動学による重要な課題を呈する。 Many-RRT* は RRT*-Connect の拡張であり、複数の目標を並行して計画している。
  論文  参考訳（メタデータ） (2026-03-04T19:31:37Z)
• Para-B&B: Load-Balanced Deterministic Parallelization of Solving MIP [50.917107318582715]
  MIP(Mixed-integer Programming)は、連続型と整数型の両方の決定変数を組み込むことで線形プログラミングを拡張する。 本稿では,高性能MIPソルバであるHiGHSに対して,決定論的並列分岐結合の完全なオープンソース実装を初めて提案する。 本手法では,ワーカスレッド間で完全なソルバ状態を複製することにより,厳密な決定性を保証する新しいデータ並列アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-02-10T14:17:53Z)
• Kino-PAX$^+$: Near-Optimal Massively Parallel Kinodynamic Sampling-based Motion Planner [11.640483409938724]
  準最適保証を備えた超並列キノダイナミックモーションプランナであるKino-PAX$+$を紹介した。 Kino-PAX$+$は、既存のシリアルメソッドよりも最大3桁高速なソリューションを見つけ、最先端のGPUベースのプランナよりも低いソリューションコストを達成する。
  論文  参考訳（メタデータ） (2026-02-02T21:50:18Z)
• STAMP: Differentiable Task and Motion Planning via Stein Variational Gradient Descent [35.96763689715956]
  シーケンシャルなロボティクスタスクの計画には、しばしば記号的および幾何学的推論を必要とする。 TAMPアルゴリズムは、運動学的および動的実現可能性を確認しながら、高レベルのタスクシーケンス上でツリーサーチを実行することで、これらの問題を解決するのが一般的である。 本稿では,ハイブリッド最適化問題を連続領域に緩和するSTAMP(Stein Task and Motion Planning)という新しいTAMP手法を提案する。
  論文  参考訳（メタデータ） (2023-10-03T03:53:51Z)
• 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)
• Sparsification for Fast Optimal Multi-Robot Path Planning in Lazy Compilation Schemes [7.766921168069532]
  複数のロボット(MRPP)の経路計画は、ロボットが最初の位置から指定された目標位置までナビゲートできる非衝突経路を見つけるタスクを表します。 本稿では,既存の SAT ベースの MRPP アルゴリズムを,対象の Boolean 符号化を導出する各ロボットの候補経路の集合を分割することで拡張する。
  論文  参考訳（メタデータ） (2021-03-08T00:57:42Z)
• Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
  本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。 問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。 本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-07T08:00:02Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。