Fugu-MT 論文翻訳(概要): Denoising Multi-Robot Trajectories

論文の概要: Denoising Multi-Robot Trajectories

arxiv url: http://arxiv.org/abs/2609.35651v1
Date: Mon, 28 Sep 2026 17:18:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-01 20:00:24.113635
Title: Denoising Multi-Robot Trajectories
Title（参考訳）: マルチロボット軌道の騒音
Abstract要約: この作業はD4ormの上に構築されている。 D4ormはサンプリングに基づく最適化を用いて、大規模並列サンプリングによって解軌道を生成する。本稿では,スケーラビリティ向上のための分離プランナ,フィードバック制御を備えたオンラインリフレッシュプランナ,リソース設定のための分散プランナを提案する。
参考スコア（独自算出の注目度）: 19.182362369149235
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multi-robot trajectory planning is a fundamental problem in multi-robot coordination but remains computationally challenging due to its nonconvex, multimodal, and high-dimensional nature. This work builds upon D4orm, a dynamics-aware diffusion-denoising framework, and develops a family of planning architectures for diverse operational requirements. Unlike conventional numerical optimization methods, D4orm employs sampling-based optimization to generate solution trajectories through massively parallel sampling, leveraging modern computing architectures such as GPUs. Its diffusion-denoising structure iteratively optimizes \textit{deformations} to candidate control trajectories, providing an efficient and versatile paradigm for generating kinodynamically feasible and conflict-free trajectories. Using D4orm as the building block for advanced planners, we present a decoupled planner for improved scalability, an online receding-horizon planner with feedback control, and a distributed planner for resource-constrained settings. Evaluations with differential-drive and holonomic robots in 2D and 3D environments demonstrate that D4orm-based approaches find high-quality solutions faster and more reliably than other sampling-based optimization methods, such as MPPI, as well as a learned diffusion-model-based method. We further demonstrate zero-shot deployment on ten real quadrotors with obstacles, large-scale deconfliction with 100 simulated robots, and fully onboard distributed `lifelong' operation with six ground robots. Overall, these results establish diffusion denoising as a scalable and reliable framework for multi-robot coordination. Code and video: https://github.com/proroklab/d4orm
Abstract（参考訳）: マルチロボット軌道計画は、マルチロボット協調の基本的な問題であるが、非凸性、マルチモーダル性、高次元性のために計算的に困難である。この作業はD4ormの上に構築されており、D4ormは動的に認識される拡散を減じるフレームワークであり、多様な運用要件のための計画アーキテクチャのファミリーを開発している。従来の数値最適化法とは異なり、D4ormはサンプリングに基づく最適化を採用し、GPUのような現代的な計算アーキテクチャを活用して、大規模な並列サンプリングによって解軌道を生成する。拡散デノゲーション構造は「textit{deformations}」を候補制御トラジェクトリに反復的に最適化し、キノダイナミックに実現可能で矛盾のないトラジェクトリを生成するための効率的で汎用的なパラダイムを提供する。先進的なプランナのビルディングブロックとしてD4ormを用い,拡張性向上のための分離プランナ,フィードバック制御を備えたオンラインリフレディングホライゾンプランナ,リソース制約された設定のための分散プランナを提示する。 2Dおよび3D環境におけるディファレンシャルドライブとホロノミックロボットによる評価は、D4ormベースのアプローチがMPPIのような他のサンプリングベース最適化手法や学習拡散モデルに基づく手法よりも高速かつ確実に高品質な解を見出すことを示した。さらに,障害物のある10個の実四角形体へのゼロショット展開,100個の模擬ロボットによる大規模デコンフリクション,および6個の地上ロボットによる「ライフロング」の完全分散動作を実証した。全体として、これらの結果は、マルチロボット協調のためのスケーラブルで信頼性の高いフレームワークとして拡散分極を確立している。コードとビデオ:https://github.com/proroklab/d4orm

関連論文リスト

PccDiffuser: Multi-solution Motion Planning for Continuum Robots [24.360111540705002]
PccDiffuserは連続ロボットのための条件付き拡散フレームワークである。完全な構成空間パス上のマルチモーダル分布を学習し、複数の候補解を並列にサンプリングする。アクチュエータ制約を考慮した時間割当により実行可能な軌道に変換する。
論文参考訳（メタデータ） (2026-09-09T05:41:27Z)
Distributed Model-Based Diffusion For Scalable Multi-Robot Trajectory Optimization [14.429253416107167]
本稿では,逆拡散過程をローカル条件逆拡散過程に分解する分散サーバロボットフレームワークを提案する。この分解により、各ロボットは、目標によって集約された他のロボットを推定する現在の軌跡に基づいて、自身の制御部分空間条件内で独立して反復的に復調を行うことができる。
論文参考訳（メタデータ） (2026-07-23T07:16:59Z)
Scalable Multi-Robot Path Planning via Quadratic Unconstrained Binary Optimization [0.0]
マルチエージェントパスファインディング(MAPF)はロボティクスの基本的な課題である。本稿では,複数ロボット経路計画のための構造的・スケーラブルな代替手段として,擬似非拘束バイナリ最適化(QUBO)について検討する。
論文参考訳（メタデータ） (2026-02-16T14:50:04Z)
DDP-WM: Disentangled Dynamics Prediction for Efficient World Models [79.53092337527382]
本稿では,DDP-WMについて紹介する。DDP-WMはDDP-WM(Distangled Dynamics Prediction)の原理に基づく新しい世界モデルである。 DDP-WMは、効率的な履歴処理と動的ローカライゼーションを統合したアーキテクチャにより、この分解を実現する。実験により、DDP-WMは様々なタスクにおいて、大幅な効率と性能を達成することが示された。
論文参考訳（メタデータ） (2026-02-02T08:04:25Z)
Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
論文参考訳（メタデータ） (2025-08-27T17:59:36Z)
Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
論文参考訳（メタデータ） (2025-02-05T20:51:28Z)
RobotDiffuse: Motion Planning for Redundant Manipulator based on Diffusion Model [13.110235244912474]
冗長マニピュレータは、キネマティック性能と汎用性の向上を提供する。これらのマニピュレータの動作計画は、DOFの増加と複雑な動的環境のために困難である。本稿では,冗長マニピュレータにおける運動計画のための拡散モデルに基づくロボットディフューズを提案する。
論文参考訳（メタデータ） (2024-12-27T07:34:54Z)
Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
論文参考訳（メタデータ） (2024-12-23T21:27:19Z)
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。