論文の概要: Traversability-Aware Cooperative Path Planning for Human-UGV Casualty Evacuation

• arxiv url: http://arxiv.org/abs/2610.06487v1
• Date: Mon, 05 Oct 2026 15:12:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 08:06:19.404588
• Title: Traversability-Aware Cooperative Path Planning for Human-UGV Casualty Evacuation
• Title（参考訳）: ヒトUGV災害避難におけるトラバーサビリティを考慮した協調経路計画
• Abstract要約: 本研究では,2歳以上のUGVチームによる検索・救助カジュアル検索における共同経路計画について検討する。 各エージェントの相補的な移動性 - 密集した植生と浅瀬を横断する人間の能力 - オープンな地形と道路におけるUGVの優れた速度 - を利用して、カジュアルな移動場所を最適化する。
• 参考スコア（独自算出の注目度）: 8.708020388112917
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Heterogeneous multi-robot path planning is a well-studied problem in which agents with disparate kinematic and dynamic models must coordinate to achieve shared objectives. These formulations, however, treat all agents as robotic-their cost models are mechanical and their traversability is sensor-derived. In human-robot teaming, the human partner remains relegated to command and supervisory roles rather than being modeled as a physical co-navigator with distinct mobility constraints and dynamic energy reserves. This work investigates joint path planning for a two-agent human-UGV team in search-and-rescue casualty retrieval scenarios. We model the human agent using the Pandolf-Santee metabolic cost model with fatigue-modulated speed, and the UGV using a rolling-resistance energy model with terrain-dependent speed limits. By exploiting the complementary traversability of each agent-the human's ability to traverse dense vegetation and shallow water versus the UGV's superior speed on open terrain and roads-we optimize casualty transfer locations, termed switch points, to minimize total mission time. Evaluated across multiple synthetic 1km2 environments with procedurally generated elevation and land-cover data, the optimized strategy reduces mean mission time by 5.3% relative to a human-only baseline and by 7.0% relative to a naive human-UGV strategy without switch point optimization, while reducing human energy expenditure by 17.8% relative to baseline. Notably, the naive strategy reduces human energy expenditure by a larger margin (22.4%) but incurs a 2% increase in mission time relative to baseline, illustrating that switch point optimization is necessary to realize time savings from human-UGV teaming.
• Abstract（参考訳）: 不均一なマルチロボット経路計画は、異なる運動モデルと動的モデルを持つエージェントが共通の目的を達成するために協調する必要がある、よく研究された問題である。 しかしながら、これらの定式化は、全てのエージェントをロボットのコストモデルが機械的であり、その移動性はセンサー由来であるとして扱う。 人間のロボットチームでは、人間のパートナーは、異なる移動性制約と動的エネルギー保護を備えた物理的なコナビゲータとしてモデル化されるのではなく、指揮と監督の役割に委ねられている。 本研究では,2歳以上のUGVチームによる検索・救助カジュアル検索における共同経路計画について検討する。 本研究では,Pandolf-Santeeメタボリックコストモデルを用いた人為的エージェントのモデル化と,地形に依存した速度制限を持つローリング抵抗エネルギーモデルを用いたUGVのモデル化を行う。 それぞれのエージェントの相補的なトラバーサビリティ(密集した植生と浅瀬を横断する人間の能力)と、オープンな地形や道路でのUGVの優れた速度、そしてスイッチポイントと呼ばれるカジュアルな移動場所を最適化することで、ミッション全体の時間を最小化することができる。 複数の合成1km2環境において、手続き的に発生した標高と土地被覆データを用いて評価し、ヒトのみの基準値に対して平均ミッション時間を5.3%削減し、スイッチポイント最適化を伴わずに人間-UGV戦略に対して平均ミッション時間を7.0%削減すると同時に、人的エネルギー支出を17.8%削減する。 特に、ナイーブ戦略は人的エネルギー支出をより大きなマージン(22.4%)削減するが、ベースラインに対するミッションタイムの2%増加を招き、人間のUGVチームによる時間節約を実現するためにスイッチポイント最適化が必要であることを示唆している。

関連論文リスト

• Optimized Human-Robot Co-Dispatch Planning for Petro-Site Surveillance under Varying Criticalities [0.9668407688201359]
  本稿では,人間-ロボット共分散施設配置問題(HRCD-FLP)を定式化する。 これは、連結されたインフラの臨界度、人間とロボットの監督比率の制約、最低利用要件を取り入れた容量化された施設の場所変種である。 その結果、保守的な(1:3人ロボットの監督)から将来の自律運用(1:10)への移行は、完全な重要なインフラカバレッジを維持しながら、大幅なコスト削減をもたらすことが示された。
  論文  参考訳（メタデータ） (2026-02-08T11:46:40Z)
• Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
  本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。 当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
  論文  参考訳（メタデータ） (2025-12-08T15:56:18Z)
• OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction [76.44108003274955]
  ヒューマノイドロボットの複雑なスキルを教えるための主要なパラダイムは、強化学習ポリシーの運動学的参照として人間の動きを再ターゲットすることである。 インタラクションメッシュに基づくインタラクション保存データ生成エンジンであるOmniRetargetを紹介する。 人間のメッシュとロボットメッシュの間のラプラシアの変形を最小限にすることで、OmniRetargetは運動学的に実現可能な軌道を生成する。
  論文  参考訳（メタデータ） (2025-09-30T17:59:02Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Short vs. Long-term Coordination of Drones: When Distributed Optimization Meets Deep Reinforcement Learning [0.9208007322096532]
  自律型対話型ドローンの群れは、交通監視などスマートシティのアプリケーションに魅力的なセンシング機能を提供する。 本稿では,ドローン群による大規模時空間センシングにおけるタスク割り当て問題に焦点をあてる。 長期DRLと短期集団学習を統合した新しい相乗的最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T12:28:31Z)
• Rearrange Indoor Scenes for Human-Robot Co-Activity [82.22847163761969]
  本稿では,室内家具を人間ロボットのコアクティビティを向上するために,室内家具の配置を最適化した枠組みを提案する。 提案アルゴリズムは,SUNCGとConceptNetから抽出した空間的・意味的共起情報を統合することにより,家具間の機能的関係を保っている。 実験の結果、アレンジされたシーンは平均して14%のスペースを提供し、30%以上のオブジェクトをやりとりできることがわかった。
  論文  参考訳（メタデータ） (2023-03-10T03:03:32Z)

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。