論文の概要: A Taxonomy on Collective Awareness
- arxiv url: http://arxiv.org/abs/2610.06427v1
- Date: Mon, 05 Oct 2026 14:39:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-09 08:25:13.990153
- Title: A Taxonomy on Collective Awareness
- Title（参考訳）: 集団意識に関する分類学
- Abstract要約: 我々は、相互認識、共有状況認識、およびチーム状況認識は交換不可能であると主張している。
認識と意識分布の軸に沿って組織された2次元分類法を確立する。
これらの知見は、マルチロボットシステムにおける集合的認識の原則的仕様、設計、比較のための概念的基盤を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: As robotic teams tackle increasingly complex tasks in dynamic and unstructured environments, effective coordination requires agents to maintain accurate, aligned representations of their environment, teammates, and mission state. We argue that Mutual Awareness, Shared Situational Awareness, and Team Situational Awareness --- three concepts widely invoked in the multi-robot systems literature --- are not interchangeable: they form a containment hierarchy in which each type subsumes the previous in scope, and span a distribution spectrum from fully individualized understanding (MA) to fully uniform understanding (SSA), with TSA occupying a mixed position. We establish this through a two-dimensional taxonomy organized along the object of awareness and awareness distribution axes. Treating these terms as synonyms obscures the precise coordination requirements each imposes on a robotic system. A Search and Rescue case study with heterogeneous aerial and ground robots grounds each taxonomy position in concrete coordination requirements. These findings provide a conceptual foundation for principled specification, design, and comparison of collective awareness in multi-robot systems.
- Abstract（参考訳）: ロボットチームは動的で非構造的な環境においてますます複雑なタスクに取り組むため、効果的な調整には、エージェントが環境、チームメイト、ミッション状態の正確で整合した表現を維持する必要がある。
我々は、相互認識、共有状況認識、チーム状況認識の3つの概念がマルチロボットシステム文献で広く紹介されているが、相互認識は交換不可能であり、各型が前回のスコープに該当する包摂階層を形成し、完全に個別化された理解(MA)から完全な一様理解(SSA)まで分布スペクトルを分散し、TSAが混在している。
我々は、認識と意識分布の軸に沿って組織された2次元分類によってこれを確立した。
これらの用語を同義語として扱うことは、ロボットシステムに課される正確な調整要件を曖昧にする。
異種空中・地上ロボットを用いた検索・救助ケーススタディは, 具体的な調整条件下で各分類群の位置を定めている。
これらの知見は、マルチロボットシステムにおける集合的認識の原則的仕様、設計、比較のための概念的基盤を提供する。
関連論文リスト
- CHORAL: Traversal-Aware Planning for Safe and Efficient Heterogeneous Multi-Robot Routing [4.3992789649203194]
自律ロボットによる大規模で未知の複雑な環境のモニタリングは、重要なナビゲーション課題を引き起こす。
異種ロボットの協調のための統合意味認識フレームワークを提案する。
シミュレーション実験と3つのロボットプラットフォームを用いた実際の検査ミッションにより,本手法の有効性が実証された。
論文 参考訳（メタデータ） (2026-01-15T12:34:22Z) - Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。
異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。
我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
論文 参考訳（メタデータ） (2025-10-30T18:24:38Z) - A Taxonomy of Hierarchical Multi-Agent Systems: Design Patterns, Coordination Mechanisms, and Industrial Applications [0.0]
階層型マルチエージェントシステム(HMAS)は、エージェントの集合を階層構造にまとめ、複雑さとスケールを管理する。
本稿では,階層構造,情報フロー,役割とタスクの委譲,時間階層化,コミュニケーション構造という5つの軸に沿ったHMASの多次元分類法を提案する。
論文 参考訳（メタデータ） (2025-08-18T07:36:33Z) - Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。
コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。
Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
論文 参考訳（メタデータ） (2024-09-26T21:44:11Z)
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。