論文の概要: Trajectory-Safe Orienteering for Human-Robot Shared Environments
- arxiv url: http://arxiv.org/abs/2609.34485v1
- Date: Mon, 28 Sep 2026 07:37:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 13:11:09.896175
- Title: Trajectory-Safe Orienteering for Human-Robot Shared Environments
- Title（参考訳）: 人間-ロボット共用環境のための軌道安全オリエンテーション
- Abstract要約: 本研究は、時間窓と変動利得(OPTWVP)を用いたオリエンテーリング問題(OP)の研究である。
サービス時誘導軌道 (Service-Time-Guided Trajectory, DeCoST) を用いた2段階離散連続最適化を提案する。
衝突のない軌道計画生成におけるDeCoSTの有効性を予備実験により検証した。
- 参考スコア（独自算出の注目度）: 6.003746188535755
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Orienteering problem (OP) has wide real-world applications and also great potential in human-robot collaboration. However, existing approaches struggle to simultaneously ensure safe and feasible trajectories while achieving high-quality task execution in shared workspaces. To this end, this work studies the OP with time windows and variable profits (OPTWVP). A two-stage DEcoupled discrete-Continuous Optimization with Service-time-guided Trajectory (DeCoST) approach is proposed to effectively solve OPTWVP in shared spaces. Meanwhile, the safety-aware time windows of nodes and the discretized workspace are introduced to ensure collision-free trajectories between the end effector and the human. Preliminary results validate the effectiveness of DeCoST in generating collision-free trajectory plans while preserving the quality of orienteering tasks.
- Abstract（参考訳）: オリエンテーリング問題(OP)は、現実世界の幅広い応用と、人間とロボットのコラボレーションにおいて大きな可能性を秘めている。
しかし、既存のアプローチは、共有ワークスペースで高品質なタスク実行を実現しながら、安全かつ実現可能な軌道を同時に確保するのに苦労している。
この目的のために、この研究は時間窓と変動利益(OPTWVP)を用いてOPを研究する。
2段階のDecoupled Decoupled Disctentuous Optimization with Service-time-Guided Trajectory (DeCoST) 手法を提案する。
一方、ノードの安全を意識した時間窓と離散化されたワークスペースを導入し、エンドエフェクタと人間の衝突のない軌道を確保する。
オリエンテーリング作業の品質を維持しつつ, 衝突のない軌道計画生成におけるDeCoSTの有効性を予備実験により検証した。
関連論文リスト
- RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。
様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。
強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
論文 参考訳（メタデータ） (2026-04-16T17:59:44Z) - CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment [54.84167973913561]
CoEnvは、安全な戦略探索のためにシミュレーションを活用するフレームワークであり、信頼性の高い現実世界のデプロイメントを保証する。
CoEnvは、物理的なワークスペースをデジタル化するリアル・ツー・シムのシーン再構築、コードベースの軌道生成によるリアルタイム計画と安全な配置のための衝突検出によるシム・トゥ・リアル転送の両方をサポートするVLM駆動のアクション合成という3つの段階を経験している。
論文 参考訳（メタデータ） (2026-04-07T06:24:41Z) - Dual-Quadruped Collaborative Transportation in Narrow Environments via Safe Reinforcement Learning [7.455739176206637]
安全強化学習(RL)による二乗四足歩行協調輸送のための新しい手法を提案する。
本稿では,チーム制約の総和を上限以下に抑えるためのコストアドバンテージ分解手法を提案する。
また,各ロボットに共有制約を割り当て,全体のタスク報酬を最大化する制約割当手法を提案する。
論文 参考訳（メタデータ） (2026-02-18T10:35:45Z) - Balancing Efficiency and Fairness: An Iterative Exchange Framework for Multi-UAV Cooperative Path Planning [6.14294229178003]
マルチUAV協調経路計画(MU CPP)はマルチエージェントシステムにおける基本的な問題である。
本稿では,MU CPPのための新しい反復交換フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-29T09:41:22Z) - Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している
我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。
このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。
これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
論文 参考訳（メタデータ） (2025-10-28T10:05:53Z) - Cooperative Target Detection with AUVs: A Dual-Timescale Hierarchical MARDL Approach [59.81681228738068]
敵の環境では、効率的な協調を実現するとともに、隠蔽活動を確保することが、水中での協力ミッションにとって重要な課題である。
本稿では,新しい時間スケール階層型マルチエージェント・ポリシー最適化フレームワークを提案する。
提案手法は, 高速収束を実現し, ベンチマークアルゴリズムの性能を向上し, 長期協調効率を最大化し, 隠蔽動作の確保を図る。
論文 参考訳（メタデータ） (2025-09-16T09:31:32Z) - LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。
本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。
その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
論文 参考訳（メタデータ） (2025-07-23T04:22:57Z) - Improved particle swarm optimization algorithm: multi-target trajectory optimization for swarm drones [20.531764063763678]
従来のParticle Swarm Optimization (PSO) 手法は、リアルタイムシナリオにおける早期収束と遅延に苦慮している。
PSOベースのオンライントラジェクトリプランナであるPE-PSOを提案する。
遺伝的アルゴリズム(GA)に基づくタスク割り当てと分散PE-PSOを組み合わせたマルチエージェントフレームワークを開発した。
論文 参考訳（メタデータ） (2025-07-18T04:31:49Z) - Unified Path Planner with Adaptive Safety and Optimality [20.37811669228711]
Unified Path Planner (UPP) は、動的安全コストを組み込んだ改良された障害物関数を利用するグラフ検索ベースのアルゴリズムである。
UPPは高い成功率を達成し、従来のA*よりもわずかにコストが増大し、最適に近い経路を生成する。
論文 参考訳（メタデータ） (2025-05-29T07:34:56Z) - Multi-Robot Task Allocation for Homogeneous Tasks with Collision Avoidance via Spatial Clustering [1.1797787239802762]
MRTA(Multi-Robot Task Allocation)と衝突回避に基づく統合ソリューションを実現する新しいフレームワークを提案する。
提案フレームワークは, 最高性能法と比較して最大93%の時間短縮(1.24秒対17.62秒)を行い, ソリューション品質を7%改善した。
論文 参考訳（メタデータ） (2025-05-15T08:20:57Z) - Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。
本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-12-14T06:17:33Z)
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。