論文の概要: Collaborative Planning for UAV-UGV Teams under Operational Constraints via Masked Error-bounded Neuro-Symbolic Diffusion

• arxiv url: http://arxiv.org/abs/2610.18850v1
• Date: Tue, 13 Oct 2026 17:58:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:47:36.923023
• Title: Collaborative Planning for UAV-UGV Teams under Operational Constraints via Masked Error-bounded Neuro-Symbolic Diffusion
• Title（参考訳）: 術中制約下でのUAV-UGVチームの協調計画
• Abstract要約: 大規模ミッションにおける異種ロボットチームにとって,運用制約下での協調計画が不可欠である。 条件付きマスキング生成過程として協調計画を定式化したMasked Error-bounded Neuro-Symbolic Diffusion (MEND)を提案する。
• 参考スコア（独自算出の注目度）: 8.635474191334131
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collaborative planning under operational constraints is essential for heterogeneous robot teams in large-scale missions. Unmanned Aerial Vehicles (UAVs) provide rapid area coverage but are limited by onboard energy, while Unmanned Ground Vehicles (UGVs) can serve as mobile recharging stations yet are constrained by road-network traversability. Effective collaboration must enforce operational constraints during execution while enabling parallel, coordinated actions. Masked Diffusion Models (MDMs) have shown promise through token unmasking but have two key limitations: entropy-guided scheduling assumes distributional alignment and reliance on differentiable constraints for diffusion-time optimization. We propose Masked Error-bounded Neuro-Symbolic Diffusion (MEND), which formulates collaborative planning as a conditional masked generative process to generate context-aware action sequences for UAV-UGV teams. MEND introduces a neuro-symbolic diffusion paradigm that constrains conditional masked diffusion policies at execution by reweighting the learned action distribution with a logic-induced admissibility indicator, thereby enforcing compliance with operational constraints. MEND introduces an error-bounded inference scheduling at execution that constructs the unmasking schedule by selecting positions with minimal predictive entropy over the constraint-aware action distribution, enhancing collaborative planning optimality under operational constraints. Extensive experimental results in simulation, on real-world maps, and with physical robot teams demonstrate that MEND advances UAV-UGV collaborative planning under operational constraints.
• Abstract（参考訳）: 大規模ミッションにおける異種ロボットチームにとって,運用制約下での協調計画が不可欠である。 無人航空車両(UAV)は、高速なエリアカバレッジを提供するが、搭載エネルギーによって制限される一方、無人地上車両(UGV)は移動式充電ステーションとして機能するが、道路網の移動性には制約がある。 効果的なコラボレーションは、並列で協調されたアクションを有効にしながら、実行中に運用上の制約を強制する必要がある。 Masked Diffusion Models (MDM) はトークンアンマキングによる約束を示すが、エントロピー誘導スケジューリングは分散アライメントを仮定し、拡散時間最適化のための微分可能な制約に依存する。 本研究では,UAV-UGVチームのためのコンテキスト認識行動系列を生成するための条件付きマスク付き生成プロセスとして協調計画を定式化したMasked Error-bounded Neuro-Symbolic Diffusion (MEND)を提案する。 MENDは、学習行動分布を論理的に誘導される許容度指標で重み付けすることで、実行時に条件付きマスク付き拡散ポリシーを制約する神経象徴的拡散パラダイムを導入する。 MENDでは,制約対応の動作分布に対して最小限の予測エントロピーを持つ位置を選択し,運用制約下での協調計画最適性を向上することにより,アンマキングスケジュールを構成する,実行時のエラーバウンド推論スケジューリングを導入している。 シミュレーション,実世界の地図,および物理ロボットチームによる大規模な実験結果から,MENDは運用制約下でのUAV-UGV協調計画の進展を実証した。

関連論文リスト

• Only What You've Signed up For: Secure Workflows with Constrained Diffusion Agents [55.83789518862565]
  政策制約型拡散剤(CoDA)について紹介する。 CoDAは、拡散言語モデルの認知プロセス内で、タスク依存のセキュリティポリシーを直接実施する。 我々は,静的かつ適応的なインジェクション攻撃の下で,最先端の拡散言語モデルファミリ間のCoDAを評価する。
  論文  参考訳（メタデータ） (2026-10-10T20:58:01Z)
• Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
  本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。 リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
  論文  参考訳（メタデータ） (2026-07-22T16:37:05Z)
• Motion Planning with Model-Based Diffusion via Constraint Optimization and Adaptive Scheduling [7.761673975696802]
  シングルロボット運動計画(SRMP)は、複雑な制約と計算上の制限の下で困難である。 最近のモデルベース拡散(MBD)はSRMPをリキャストし、後方拡散軌道からサンプルを誘導する。 提案手法は, 安全・成功率の向上, 収束の高速化, 最終コストの低減を実現している。
  論文  参考訳（メタデータ） (2026-07-16T01:04:32Z)
• HEART: Coordination of Heterogeneous Expert Agents for Physically Grounded Robotic Task Planning [13.14097890573283]
  LLM(Large Language Models)は複雑な命令を推論するが、ロボットタスク計画に必要な物理的および空間的制約を満たすことができないことが多い。 命令を原子推論タスクに分解する異種マルチLLMフレームワークを提案する。 HEARTは単一LLMやルールベースのプランナに比べて計画の成功を継続的に改善することを示す。
  論文  参考訳（メタデータ） (2026-06-24T05:02:37Z)
• Melding LLM and temporal logic for reliable human-swarm collaboration in complex scenarios [17.56189537207367]
  我々は,長期にわたる人間とスワムのコラボレーションのためのニューロシンボリックな枠組みを導入する。 ミッション目標と運用ルールを時間論理式として,タスクオートマトンとして許容可能なタスクオーダとして定式化する。 イベントトリガー方式のインタラクションプロトコルでは、操作者がスパースでハイレベルな確認とガイダンスに関与することを制限している。
  論文  参考訳（メタデータ） (2026-05-08T15:32:14Z)
• MOTIF: Learning Action Motifs for Few-shot Cross-Embodiment Transfer [55.982504915794514]
  クロス・エボディメント・ポリシーは一般的に共有プライベート・アーキテクチャに依存している。 本報告では,MOTIFを効率よく数発のクロスボディーメントトランスファーに適用する。 我々はMOTIFが数発の転送シナリオにおいて強いベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2026-02-14T13:21:40Z)
• HybridVLA: Collaborative Diffusion and Autoregression in a Unified Vision-Language-Action Model [54.64088247291416]
  操作ポリシー設計の基本的な目的は、ロボットに人間の指示を理解し、シーンの手がかりを推論し、動的な環境で一般化されたアクションを実行することである。 近年の自己回帰的視覚言語行動(VLA)法は、視覚言語モデル(VLM)から常識推論能力を継承し、次の行動予測を行う。 拡散に基づく行動の連続的な性質と自己回帰の文脈的推論を吸収する統合フレームワークであるHybridVLAを紹介する。
  論文  参考訳（メタデータ） (2025-03-13T17:59:52Z)
• Diffusion Predictive Control with Constraints [51.91057765703533]
  拡散予測制御(Diffusion predictive control with constraints,DPCC)は、拡散に基づく制御のアルゴリズムである。 DPCCは,新しいテスト時間制約を満たすために,既存の手法よりも優れた性能を示すロボットマニピュレータのシミュレーションを通して示す。
  論文  参考訳（メタデータ） (2024-12-12T15:10:22Z)

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。