論文の概要: Reinforcement Learning Based Heterogeneous Task Allocation Under Spatio-Temporal Environmental Uncertainty for Multi-Robot Teams

• arxiv url: http://arxiv.org/abs/2610.15237v1
• Date: Sun, 11 Oct 2026 00:14:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 02:00:31.15796
• Title: Reinforcement Learning Based Heterogeneous Task Allocation Under Spatio-Temporal Environmental Uncertainty for Multi-Robot Teams
• Title（参考訳）: 多人数ロボットチームにおける時空間不確実性を考慮した強化学習に基づく異種タスク割当
• Abstract要約: サーフェス・オートマチック・ビークル(ASV)は、様々な種類の海洋作業を行うためにますます配備されている。 本研究では、未知の時間で異なるタイプのタスクを完了させるマルチロボットタスク割り当て問題を定式化する。 本研究では,不確実性による観測偏差に基づく分散強化学習(RL)を提案する。
• 参考スコア（独自算出の注目度）: 3.798769805514222
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous Surface Vehicles (ASVs) have been increasingly deployed to perform different kinds of maritime tasks in recent years, which motivates the need for a reliable task allocation policy that can adapt to heterogeneous tasks and maritime disturbances. In this work, we formulate a multi-robot task allocation problem in which a team of ASVs with heterogeneous capabilities needs to complete tasks of different types and appearance times under unknown stochastic spatio-temporal uncertainties from maritime disturbances. We propose a decentralized Reinforcement Learning (RL) based policy network that is trained to be robust towards uncertainty-induced observation deviations, and is able to perform individual decision making that leads to efficient execution behaviors toward heterogeneous task requirements. We evaluate the proposed policy and four baseline methods in simulated experiments with varied proportions of different tasks types, numbers of tasks, robot species and robots per species. Experiment results show that our proposed policy achieves the lowest makespan and can be deployed to address scenarios with 100 robots and 400 tasks.
• Abstract（参考訳）: 自律型表面車両(ASV)は近年,異種タスクや海洋障害に適応可能な信頼性の高いタスク割り当てポリシの必要性を動機として,様々な種類の海洋タスクを実行するために,ますます展開されている。 本研究では,異種機能を持つASVのチームが,未知の確率的時空間不確実性の下で,異なるタイプのタスクと出現時間のタスクを完了させる,マルチロボットタスク割り当て問題を定式化する。 本研究では,不確実性による観測偏差に対して堅牢に訓練された分散強化学習(RL)に基づく政策ネットワークを提案し,不均一なタスク要求に対する効率的な実行行動をもたらす個別の意思決定を行うことができる。 各種タスクの種類,タスク数,ロボット種,ロボット種毎に異なる割合でシミュレーション実験を行い,提案方針と4つの基本手法について検討した。 実験の結果,提案手法は最低限のスパンを達成でき,100台のロボットと400台のタスクでシナリオに対処できることがわかった。

関連論文リスト

• Scalable Multi-Task Inverse Reinforcement Learning [39.937553203617576]
  逆強化学習(IRL)は、修正環境下でのエージェントの対実的評価を可能にする。 本稿では,複数のエージェントにまたがってデータをプールするマルチタスクIRL法を提案する。 新しい環境における報酬回復と政策学習に関する有限サンプル保証を提供する。
  論文  参考訳（メタデータ） (2026-09-30T21:52:03Z)
• RoboWits: Unexpected Challenges for Robotic Creative Problem Solving [58.58727722988084]
  我々は、認知的推論、創造的ツールの使用、予期しない状況に対する堅牢性を評価するために設計された、双方向のロボットベンチマークであるRoboWitsを紹介する。 このパイプラインを用いて,30種類の種タスクと208のタスクを,幾何学的,物質的,集合的推論にまたがる変異と難易度でキュレートした。 プレトレーニングされたVLAは,単一タスクの微調整後にシードタスクに予備的な成功を示すが,変異タスクの実行に苦慮している。
  論文  参考訳（メタデータ） (2026-05-28T17:57:15Z)
• Heterogeneity in Multi-Robot Environmental Monitoring for Resolving Time-Conflicting Tasks [0.3779860024918729]
  継続的タスクを実行するマルチロボットシステムは、緊急で時間クリティカルなサブタスクによって中断された場合、パフォーマンス上のトレードオフに直面します。 我々は,このトレードオフを,異常な電波信号の配置とパトロールのバランスをとらなければならないシナリオで検討する。 本研究は, 時間分割タスクに直面するマルチロボットシステムにおいて, プリデプロイ機能とセンシング特殊化が強力な設計上の考慮事項であることを示す。
  論文  参考訳（メタデータ） (2025-12-09T17:06:21Z)
• Automated Generation of Diverse Courses of Actions for Multi-Agent Operations using Binary Optimization and Graph Learning [7.491865419760499]
  本稿では,エージェントとタスクの互換性がソフトに変化する操作に対して,多様なCOAプールを生成するための新しい理論的定式化および計算フレームワークを提案する。 シミュレーション環境におけるCOA生成プロセスのテストは、ランダムウォークベースライン、タスクシークエンシングにおける最適性ギャップの小さいこと、および5エージェント/100タスク操作で最大20COAを計画するのに約50分を要した。
  論文  参考訳（メタデータ） (2025-06-24T21:58:30Z)
• Task-Aware Harmony Multi-Task Decision Transformer for Offline Reinforcement Learning [70.96345405979179]
  オフラインマルチタスク強化学習(MTRL)の目的は、オンライン環境相互作用を必要とせず、多様なタスクに適用可能な統一されたポリシーを開発することである。 タスクの内容と複雑さの変化は、政策の定式化において重大な課題を引き起こします。 本稿では,各タスクに対するパラメータの最適な調和部分空間を特定するための新しいソリューションであるHarmoDT(Harmony Multi-Task Decision Transformer)を紹介する。
  論文  参考訳（メタデータ） (2024-11-02T05:49:14Z)
• Sparse Diffusion Policy: A Sparse, Reusable, and Flexible Policy for Robot Learning [61.294110816231886]
  我々はスパース・リユース・フレキシブル・ポリシー、スパース・ディフュージョン・ポリシー(SDP)を導入する。 SDPは、エキスパートとスキルを選択的に活性化し、モデル全体をトレーニングすることなく、効率的でタスク固有の学習を可能にする。 デモとコードはhttps://forrest-110.io/sparse_diffusion_policy/にある。
  論文  参考訳（メタデータ） (2024-07-01T17:59:56Z)
• Learning Diverse Skills for Local Navigation under Multi-constraint Optimality [27.310655303502305]
  本研究では,品質と多様性のトレードオフについて,制約付き最適化の観点から考察する。 我々は、異なる報酬によって定義される値関数に制約を課しながら、多様なポリシーを得ることができることを示す。 訓練されたポリシーは、本物の12-DoFの四足歩行ロボットSolo12によく伝達される。
  論文  参考訳（メタデータ） (2023-10-03T21:21:21Z)
• One Solution is Not All You Need: Few-Shot Extrapolation via Structured MaxEnt RL [142.36621929739707]
  課題を達成するために多様な行動を学ぶことは、様々な環境に一般化する行動を引き起こす可能性があることを示す。 トレーニング中の1つの環境でタスクの複数のソリューションを識別することにより、我々のアプローチは新たな状況に一般化できる。
  論文  参考訳（メタデータ） (2020-10-27T17:41:57Z)
• Adaptive Procedural Task Generation for Hard-Exploration Problems [78.20918366839399]
  ハード探索問題における強化学習を容易にするために,適応手続きタスク生成(APT-Gen)を導入する。 私たちのアプローチの中心は、ブラックボックスの手続き生成モジュールを通じてパラメータ化されたタスク空間からタスクを作成することを学習するタスクジェネレータです。 学習進捗の直接指標がない場合のカリキュラム学習を可能にするために,生成したタスクにおけるエージェントのパフォーマンスと,対象タスクとの類似性をバランスさせてタスクジェネレータを訓練することを提案する。
  論文  参考訳（メタデータ） (2020-07-01T09:38:51Z)

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。