論文の概要: Communication-Free Distributed Multi-Robot Task Allocation under Partial Observations Using Labeled Multi-Bernoulli Filtering

• arxiv url: http://arxiv.org/abs/2609.39416v1
• Date: Wed, 30 Sep 2026 09:56:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.565238
• Title: Communication-Free Distributed Multi-Robot Task Allocation under Partial Observations Using Labeled Multi-Bernoulli Filtering
• Title（参考訳）: ラベル付きマルチベルヌーリフィルタを用いた部分観測による通信自由分散マルチロボットタスク割当
• Abstract要約: 本稿では,局所観測のみに基づく通信不要なマルチロボットタスク割り当てフレームワークを提案する。 各ロボットは、ラベル付きマルチベルヌーリフィルタを用いて隣接ロボットの位置を推定し、個別にタスクを割り当てる。
• 参考スコア（独自算出の注目度）: 4.056738915704446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a communication-free multi-robot task allocation framework based solely on local observations. In this study, tasks are defined as reaching target locations. Each robot estimates the positions of neighboring robots using a Labeled Multi-Bernoulli (LMB) filter and independently assigns tasks through a greedy auction-based strategy. By continuously updating state estimates and reallocating tasks during execution, the proposed method enables decentralized coordination without explicit communication. Monte Carlo simulations demonstrate that the proposed method enables effective cooperative task allocation without inter-robot communication while remaining robust to measurement clutter and observation uncertainty.
• Abstract（参考訳）: 本稿では,局所観測のみに基づく通信不要なマルチロボットタスク割り当てフレームワークを提案する。 本研究では,タスクが目標地点に到達するように定義する。 各ロボットは、ラベル付きマルチベルヌーリフィルタ(LMB)を用いて、隣接するロボットの位置を推定し、欲張りのオークションベースの戦略により、個別にタスクを割り当てる。 実行中の状態推定とタスク再配置を継続的に更新することにより,明示的なコミュニケーションを伴わない分散コーディネーションを実現する。 モンテカルロシミュレーションにより,ロボット間通信を使わずに効果的に協調的なタスク割り当てが可能でありながら,計測のクラッタや観測の不確実性に頑健であることを示す。

関連論文リスト

• D-CLIPSE: Distributed Consensus-based Localization with Passive Listening on Shared State Exchange [4.970277730082773]
  正確で一貫性のあるマルチロボットのローカライゼーションは、計画や制御といった下流のタスクに必須である。 本稿では,一貫した通信効率,コンセンサスに基づく分散フィルタリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-09T00:00:09Z)
• CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy [67.76658561040625]
  CHORUSは、多様なマルチロボットチームを制御するために、単一のビジョン言語アクション(VLA)バックボーンに適応するフレームワークである。 実験では、CHORUSは分散化されたスクラッチモデルよりも64%のポイント改善を実現している。 その結果,共有VLAバックボーンは分散マルチロボットコラボレーションを実現することができることがわかった。
  論文  参考訳（メタデータ） (2026-06-10T17:26:08Z)
• Acting on the Unseen: Communication-Free Collaborative Filtering for Decentralized Multi-Robot Task Allocation [43.0484058393522]
  隠れた低ランク構造はどのロボットがどのタスクに合うかを支配しており、ラウンドよりもはるかに多くのタスクがある。 しかし、各ロボットは、ブロードキャスト上でオンラインで低ランクの協調フィルタリングを実行することで、決して試みなかったタスクにうまく対応し、新しいタスクをオンボードで実行することができる。
  論文  参考訳（メタデータ） (2026-05-25T08:33:40Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Generalising Multi-Agent Cooperation through Task-Agnostic Communication [7.380444448047908]
  協調型マルチロボット問題におけるMARL(Multi-agent reinforcement learning)の既存のコミュニケーション手法はほとんどタスク固有であり、各タスクごとに新しいコミュニケーション戦略を訓練する。 与えられた環境内の任意のタスクに適用可能な通信戦略を導入することで、この非効率性に対処する。 我々の目的は、可変数のエージェント観測から固定サイズの潜在マルコフ状態を学ぶことである。 本手法は,コミュニケーション戦略を微調整することなく,新しいタスクへのシームレスな適応が可能であり,トレーニング中よりも多くのエージェントへのスケーリングを優雅にサポートし,環境におけるアウト・オブ・ディストリビューションイベントを検出する。
  論文  参考訳（メタデータ） (2024-03-11T14:20:13Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• Graph Exploration for Effective Multi-agent Q-Learning [46.723361065955544]
  本稿では,エージェント間のグラフベース通信を用いたマルチエージェント強化学習(MARL)の探索手法を提案する。 エージェントが受け取った個々の報酬は、他のエージェントのアクションとは独立していると仮定する一方で、そのポリシーは結合されている。 提案手法では,より効率的な爆発行動を実行するために,近隣のエージェントが協調して状態-作用空間の不確かさを推定する。
  論文  参考訳（メタデータ） (2023-04-19T10:28:28Z)
• Scalable Multi-Robot System for Non-myopic Spatial Sampling [9.37678298330157]
  本稿では,空間場の非一様サンプリングのためのスケーラブルな分散マルチロボット計画アルゴリズムを提案する。 我々は,複数のロボット間のコミュニケーションがチーム全体のサンプリング性能に与える影響を,独立して分析する。
  論文  参考訳（メタデータ） (2021-05-20T20:30:10Z)

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。