論文の概要: GAMBIT: Learning to Plan Continuous Multi-Robot Trajectories

• arxiv url: http://arxiv.org/abs/2610.06290v1
• Date: Mon, 05 Oct 2026 13:14:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 09:26:09.847068
• Title: GAMBIT: Learning to Plan Continuous Multi-Robot Trajectories
• Title（参考訳）: GAMBIT: 継続的マルチロボット軌道計画の学習
• Abstract要約: GAMBIT(英: GAMBIT)は、ゲーム後半にプレイヤーが駒(通常ポーン)を犠牲にしてポジション上の優位性を得る、オープンチェスの動きである。 本研究は,マルチロボット軌道実行のための運動プリミティブ上での協調軌道の学習方法について研究する。 我々は、常に衝突のない実行を保証するバックアップトラジェクトリを備えた安全なロールアウト機構を導入する。
• 参考スコア（独自算出の注目度）: 19.851312316561778
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: GAMBIT is an opening chess move in which a player sacrifices a piece, typically a pawn, to gain a positional advantage later in the game. Analogously, in multi-robot coordination, individual robots may need to forgo locally reward-maximising behaviours to improve overall team performance. Such self-sacrificial behaviours are difficult to capture with manually designed heuristics, particularly in dense, interaction-rich environments. Focusing on double-integrator continuous dynamics, this work studies how to learn such coordinated heuristics over motion primitives for multi-robot trajectory execution. Our framework, GAMBIT, first learns coordinated motion-primitive selection through imitation learning and subsequently fine-tunes the policy through reinforcement learning. We further introduce a safeguarded rollout mechanism with backup trajectories that guarantees collision-free execution at all times. Experiments demonstrate that GAMBIT substantially outperforms a range of baselines, including centralised motion planners and decentralised reactive planners, while exhibiting strong scalability. In particular, it coordinates over a thousand robots with planning latency below a few hundred milliseconds in continuous domains.
• Abstract（参考訳）: GAMBIT(英: GAMBIT)は、ゲーム後半にプレイヤーが駒(通常ポーン)を犠牲にしてポジション上の優位性を得る、オープンチェスの動きである。 比較として、複数ロボットの協調においては、個々のロボットは、チーム全体のパフォーマンスを改善するために、局所的な報酬を最大化する行動を捨てる必要があるかもしれない。 このような自己犠牲的な行動は、特に密集した相互作用に富んだ環境で、手動で設計されたヒューリスティックで捉えるのが困難である。 この研究は、二重積分器連続力学に焦点をあて、マルチロボット軌道実行のための運動プリミティブ上の協調的ヒューリスティックを学習する方法を研究する。 我々のフレームワークであるGAMBITは、まず模倣学習を通じて、協調した動き優先選択を学習し、その後、強化学習を通じてポリシーを微調整する。 また,常に無衝突運転が保証されるバックアップトラジェクトリを用いた安全なロールアウト機構を導入する。 GAMBITは、集中型モーションプランナーや分散型リアクティブプランナーなど、さまざまなベースラインを大幅に上回る一方で、スケーラビリティも高いことが実験で実証された。 特に、数千以上のロボットを、連続したドメインで数百ミリ秒未満の遅延を計画して調整する。

関連論文リスト

• WorldLine: Action-Driven Visual Simulation for Robotic Manipulation [87.68211863253049]
  実世界のロボット学習は、経験を収集し、候補行動を評価するコストに制約される。 異種アクショングラウンドから学習した移動可能なダイナミクスを分離する,アクション駆動型ビジュアルシミュレータ WorldLine を紹介する。 WorldLineは、1万時間以上のアクションフリーロボットビデオから操作のダイナミクスを学び、2000時間以上のアクショントラジェクトリを使ってそれらをグラウンドする。
  論文  参考訳（メタデータ） (2026-09-29T17:26:22Z)
• World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning [60.88859946006306]
  Adversa World Modeling(英語版)は理論上基礎を成すマルチエージェント・セルフプレイ・ファインチューニングフレームワークである。 内的最小化においては、プランナーの予測世界モデルは、スパースでシーン適応的なアタック・アタック・アライアンスを学ぶロール条件の敵に変換される。 nuPlan と InterPlan のベンチマーク実験により,本手法が伝達可能な対角相互作用を生成することを示す。
  論文  参考訳（メタデータ） (2026-07-12T07:44:16Z)
• VAIC: Vision-Guided Humanoid Agile Object Interaction Control via Decoupled Commands [56.029505206531155]
  Vision Guided Agile Interaction Control (VAIC)は、現在のコントローラとヒューマノイドロボットのギャップを埋める統合フレームワークである。 まず、特権教師政策は、正確な物体運動学と正確な環境状態を用いて多様な相互作用スキルを習得する。 第二に、デプロイ可能な学生ポリシーは、全体追跡を複数の軸にまたがる速度目標に置き換えることで、これらの能力を蒸留する。
  論文  参考訳（メタデータ） (2026-06-08T09:52:55Z)
• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• Learning to Move in Rhythm: Task-Conditioned Motion Policies with Orbital Stability Guarantees [45.137864140049814]
  我々は,学習した微分型エンコーダと超臨界ホップ分岐を結合したフレームワークであるOrbitally Stable Motion Primitives (OSMPs)を紹介する。 提案手法は,多種多様なロボットプラットフォームにまたがる広範囲なシミュレーションと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） (2025-07-12T17:10:03Z)
• Towards Learning Scalable Agile Dynamic Motion Planning for Robosoccer Teams with Policy Optimization [0.0]
  障害物の存在下でのマルチエージェントシステムの動的運動計画は普遍的で未解決な問題である。 本稿では,学習に基づく動的ナビゲーションモデルを提案し,シンプルなRobosoccer Gameの概念を用いて,シンプルな環境で動作するモデルを示す。
  論文  参考訳（メタデータ） (2025-02-08T11:13:07Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
  我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。 一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。 その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。 最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
  論文  参考訳（メタデータ） (2021-05-25T20:17:10Z)
• Decentralized Motion Planning for Multi-Robot Navigation using Deep Reinforcement Learning [0.41998444721319217]
  本研究は、深層強化学習を用いたマルチロボットナビゲーションの課題に対処するための分散型モーションプランニングフレームワークを提案する。 共通かつ共有的な政策学習による分散的な行動計画の概念が採用され、このアプローチの堅牢なトレーニングとテストが可能となった。
  論文  参考訳（メタデータ） (2020-11-11T07:35:21Z)
• Learning a Decentralized Multi-arm Motion Planner [15.418884994244996]
  チームサイズでスケーラブルでフレキシブルなクローズドループマルチアームモーションプランナを提示する。 分散されたポリシーは、マルチアームシステム内の1つのロボットアームを制御するために訓練され、ターゲットのエンドエフェクターのポーズに到達する。 結果として得られるポリシはサブラインでスケールし、チームサイズが可変なマルチアームシステムにデプロイできる。
  論文  参考訳（メタデータ） (2020-11-05T01:47:23Z)
• ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for Mobile Manipulation [99.2543521972137]
  ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。 本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。 ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
  論文  参考訳（メタデータ） (2020-08-18T08:05:15Z)

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。