論文の概要: CollisionGAT: Controller-Agnostic One-Step Collision Screening for Multi-Agent Motion

• arxiv url: http://arxiv.org/abs/2609.32783v1
• Date: Sat, 26 Sep 2026 16:57:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 20:17:24.758145
• Title: CollisionGAT: Controller-Agnostic One-Step Collision Screening for Multi-Agent Motion
• Title（参考訳）: CollisionGAT:マルチエージェント動作のためのコントローラ非依存のワンステップ衝突スクリーニング
• Abstract要約: CollisionGATは、移動エージェントの現在の状態と提案された状態を読み出し、移動エージェント毎に1つの衝突リスクスコアを返すグラフアテンションネットワークである。 任意のコントローラはこれらのスコアを使用して、提案されたステップを受け入れ、修復し、再計画し、延期することができる。
• 参考スコア（独自算出の注目度）: 6.766666001345673
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Before a team of robots moves, each proposed step must be checked for collisions with other robots and with obstacles. We present CollisionGAT, a graph-attention network that reads the current and proposed states of moving agents together with locally relevant stationary obstacles and returns one collision-risk score per moving agent. Any controller can use these scores to accept, repair, replan, or postpone a proposed step. We mount CollisionGAT on a continuous path-following controller and on GATeD, an obstacle-blind D* Lite planner that uses typed vetoes to update its planning graphs. Exact geometric checks supply the training labels and independently audit every executed step.
• Abstract（参考訳）: ロボットのチームが動く前に、提案されたステップは、他のロボットとの衝突や障害物でチェックする必要がある。 グラフ注意ネットワークであるCollisionGATは、移動エージェントの現在の状態と提案された状態とを、局所的な定常障害と共に読み出し、移動エージェント毎に1つの衝突リスクスコアを返す。 任意のコントローラはこれらのスコアを使用して、提案されたステップを受け入れ、修復し、再計画し、延期することができる。 コリジョンGATを連続経路追従制御器とGATeDにマウントする。このGATeDは、タイプドベトーを使って計画図を更新する障害物ブラインドD*ライトプランナである。 厳密な幾何チェックはトレーニングラベルを提供し、実行されたステップごとに独立して監査する。

関連論文リスト

• Collision-Aware Humanoid Whole-Body Control under Imperfect Tracking Targets [11.010074477825272]
  全体コントローラ(WBC)は、バランスと安定性を維持しながら目標を追跡するコマンドを実行する。 ほとんどのWBCはシーン幾何学に盲目であり、知覚、計画、遠隔操作の誤りによる衝突につながる可能性がある。 本稿では,視覚障害者を包むレイヤであるRECALを提案する。
  論文  参考訳（メタデータ） (2026-09-14T22:22:02Z)
• GASP: GPU-Accelerated Safe Planner for Real-Time Collision-Aware Motion Generation with Latent Trajectory Sampling [1.2669530824264628]
  GASPは、既知の環境でのリアルタイムで衝突対応の宇宙空間運動生成のためのGPUアクセラレーションセーフプランナである。 GASPは、クランプされたB-スプライン軌道パラメータ化と、自由内部制御点を予測する畳み込み残差ニューラルネットワークを組み合わせる。 我々は、GASPをオンラインモーションジェネレーションモジュールとして検証し、衝突認識能力の高い解析レベルの成功率を達成する。
  論文  参考訳（メタデータ） (2026-08-05T09:18:16Z)
• Embodying Multi-Hand Manipulation Policies by Searching the Assignment and Null Spaces [19.655642356469748]
  学習された操作ポリシーは、抽象的な「手」の動きをますます予測する マルチアームロボット上でこれらの軌道を実行することは簡単ではない。 この問題に直接対処するアルゴリズムがない場合、実践者は一般的に、単腕逆キネマティックスパイプラインをアドホックな方法で拡張する。
  論文  参考訳（メタデータ） (2026-07-24T06:37:52Z)
• DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting [49.70827726228219]
  このツールキットは、人間の手による実演のシングルビューRGBステレオ記録を、物理で検証可能なロボットアーム軌道に変換する。 DemoBridgeの中核は、衝突を意識した単一のプランナーである。 物理シミュレーターはループ内で動作し、生成した各フェーズを検証し、障害時にバックトラックするので、与えられたように再生できないデモは破棄されるのではなく、再計画される。
  論文  参考訳（メタデータ） (2026-07-10T15:31:04Z)
• CIAware-Bench: Benchmarking Control Intervention Awareness Across Frontier LLMs [100.38986535324284]
  我々は、フロンティアモデル全体でのtextbfcontrol textbfintervention (CI) の認識を測定するベンチマークである textbfCIAware-Bench を紹介する。 CIAware-Benchは、モデルが自身の軌跡を制御介入によって修正されたものと区別できるかどうかをテストする。
  論文  参考訳（メタデータ） (2026-06-09T16:24:16Z)
• Sliding Mode Control for Safe Trajectory Tracking with Moving Obstacles Avoidance: Experimental Validation on Planar Robots [1.7044368816068716]
  本稿では,ロバストな軌道追跡と移動障害物回避のための統合制御フレームワークを提案する。 提案アーキテクチャは,衝突回避制約を厳格に実施しつつ,外乱の有無の追跡を保証している。 このアプローチの有効性と汎用性は、数値シミュレーションと広範囲な実世界の実験によって検証される。
  論文  参考訳（メタデータ） (2026-04-27T14:20:10Z)
• Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
  乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。 タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。 我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
  論文  参考訳（メタデータ） (2026-04-22T22:58:47Z)
• CorrectionPlanner: Self-Correction Planner with Reinforcement Learning in Autonomous Driving [55.88697462014118]
  CorrectionPlannerは自己補正を備えた自動回帰プランナーである。 Waymaxでは衝突率を20%以上削減し、nuPlanでは最先端の計画スコアを達成している。
  論文  参考訳（メタデータ） (2026-03-16T18:03:21Z)
• 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)
• CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
  hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。 そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
  論文  参考訳（メタデータ） (2025-12-16T18:56:04Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)

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。